不能错过！超强大的SIFT图像匹配技术详细指南（附Python代码）

全文共6081字，预计学习时长18分钟

图源：pexels

综述

强大的SIFT技术初学者指南；

如何使用SIFT进行特征匹配；

在Python中通过动手编码展示SIFT。

简介

观察下面选取的图片，并思考他们的共同元素：

 

对了，就是美丽的埃菲尔铁塔！眼尖的你们一定也发现了每张图片都有一个不同的背景，是从不同的角度捕捉到的，不同的位置还有不同的物体。

相信你只需要一两秒的时间就能找出这些不同。即使图片以奇怪的角度或是只拉近了一半镜头，也能看得出来。这主要是因为你已经看过埃菲尔铁塔的图片许多次了，并且你的记忆很容易使你想起它的特征。所以说，图片的大小和角度可能会改变，但是展示的物体永远不变。

对于相同的想法，机器也进行了全方位的探索。但如果我们改变了某些东西（例如角度或比例），对它们来说识别图像中的物体却是一个挑战。好消息是——机器超级灵活，我们可以教会它们亦人的水平识别图像。

这是使用计算机视觉工作的最激动人心的部分！

本文将会讨论图像搜索算法，即定义图像上的关键特征并且能够根据这些特征搜索到一张新图片。让我们开始吧！

目录

1. SIFT介绍

2. 创建尺度空间

1. 高斯模糊软件

2. 高斯软件的不同

3. 关键信息本地化

1. 极值

2. 关键信息筛选

4. 关键信息描述符

1. 计算幅度和方向

2. 创建幅度和方向柱状图

5. 关键点描述符

6. 特征匹配

 

1. SIFT介绍

SIFT（Scale Invariant Feature Transform），又称尺度不变特征转换匹配算法，是在计算机视觉任务中的特征提取算法。

SIFT可以帮助定位图像中的局部特征，通常称为图像的“关键点”。这些关键点是比例尺和旋转不变量，可用于各种计算机视觉应用，例如图像匹配，物体检测，场景检测等。

还可以将通过SIFT生成的关键点用作模型训练期间的图像特征。与边缘特征或单一特征相比，SIFT特征的主要优势在于它们不受图像大小或方向的影响。

例如，这是埃菲尔铁塔的另一张图片以及它的较小版本。第一张图像的关键点与第二图像中找到的关键点相匹配。当另一幅图像中的对象稍微旋转时，两幅图像也是如此。是不是很厉害？

 

了解如何识别这些关键点，以及用于确保比例和旋转角度不变的技术是什么。广义上讲，整个过程可以分为四个部分：

• 构造比例空间：确保要素与比例无关
• 关键点本地化：确定合适的特征或关键点
• 方向分配：确保关键点是角度不变
• 关键点描述符：为每个关键点分配独一的指纹

最后，用这些关键信息进行特征匹配！

 

2. 创建尺度空间（Scale Space）

识别给定图像中最鲜明的特征，