SIFT算法的特征点筛选和DMatch、Keypoint描述

最新推荐文章于 2024-01-20 14:26:59 发布

codedoctor

最新推荐文章于 2024-01-20 14:26:59 发布

阅读量1.4w

点赞数 18

分类专栏： OpenCv

本文链接：https://blog.youkuaiyun.com/codedoctor/article/details/78998946

版权

SIFT算法描述

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配
这个算法具有比较良好的尺度不变性和旋转不变形

KeyPoint

KeyPoint类的成员变量和描述

class KeyPoint
{
   
Point2f  pt;     //特征点坐标
float  size;     //特征点邻域直径
float  angle;    //特征点的方向，值为0~360，负值表示不使用
float  response; //特征点的响应强度，代表了该点是特征点的稳健度，可以用于后续处理中特征点排序
int  octave;     //特征点所在的图像金字塔的层组
int  class_id;   //用于聚类的id
}

特征点主要保存了特征点的位置、领域直径、方向、响应强度、金字塔的层组、聚类ID

DMatch

DMatch，相信用过FAST、SURF、ORB等特征点匹配和识别算法的都遇到过这个类型，这个类型最主要的就是存储了两个特征点在各自keyPoints中的下标值，然后通过drawMatches的API实现两张图片的特征点连线。

对于如下的代码：

Mat input1 = imread("img2.jpg", 0);
Mat input2 = imread("img1.jpg", 0);
SiftFeatureDetector detector;
vector<KeyPoint> keypoints1, keypoints2;
detector.detect(input1, keypoints1);
detector.detect(input2, keypoints2);

SiftDescriptorExtractor extractor;
Mat descriptor1, descriptor2;

BruteForceMatcher<L2<float>> matcher;