50、图像特征检测与提取技术详解

图像特征检测与提取技术详解

1. SIFT特征描述与提取

1.1 SIFT特征描述符的计算

在计算SIFT特征时，当完成尺度和方向的计算后，就可以计算局部图像描述符。局部图像描述符由局部图像梯度构成，不过是在将局部区域相对于描述符方向旋转到固定方向之后进行的。接着，将其划分为多个区域（通常在关键点周围以4×4模式划分成16个区域或更多），针对每个区域，根据该区域内所有点创建一个角度直方图，通常这个直方图有8个条目。把每个区域的8个条目与16个区域相结合，就得到一个128维的向量，这个128维向量就是SIFT关键点描述符。大量的组件对于SIFT关键点的高度描述性至关重要。

1.2 OpenCV中SIFT的实现

在OpenCV中，SIFT实现了 cv::Feature2D 接口的特征检测和描述符提取部分。推荐使用 detectAndCompute() 方法，它将关键点检测和特征提取合并为一步。需要注意的是，由于SIFT算法受专利保护，从OpenCV 3.0开始，它被放在 opencv_contrib 仓库的 xfeatures2d 模块中。以下是 cv::xfeatures2d::SIFT 对象的类定义（略有缩写）：

class SIFT : public Feature2D {
public:
  static Ptr<SIFT> create (
    int    nfeatures         = 0,