python实现求三维图像极值，sift里面用

qq_41581307

于 2020-12-09 23:54:45 发布

阅读量1k

点赞数

分类专栏： python 图像处理文章标签： python 算法

本文链接：https://blog.youkuaiyun.com/qq_41581307/article/details/110943662

版权

python 同时被 2 个专栏收录

6 篇文章

订阅专栏

图像处理

2 篇文章

订阅专栏

本文介绍了一种在尺度不变特征变换(SIFT)算法中寻找空间极值点的方法。该方法通过对比局部区域内的像素强度来确定关键点的位置，这对于后续的目标识别与匹配至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sift算法中有一步就是求空间极值点

import numpy as np

def getjizhi(inputs,pad=1,space=1):#输入矩阵，求取范围,边界距离
    output=[]
    inputs=np.array(inputs)
    size=inputs.shape
    if len(size) is 1:
        pass
    if len(size) is 2:
        pass
    if len(size) is 3:
        if isinstance(pad,int):
            pad=np.array([pad,pad,pad])
        if isinstance(space,int):
            space=np.array((space,space,space))
        tpos=np.array(size)-np.array(space)
        tpos=np.mgrid[space[0]:tpos[0],space[1]:tpos[1],space[2]:tpos[2]]#产生需要判断的坐标
        tpos=np.array([x.reshape(x.size) for x in tpos]).T#所有需要判断的坐标
        print(tpos)
        for tp in tpos:
            tposf=tp-pad
            tpose=tp+pad+1
            tpmat=inputs[tposf[0]:tpose[0],tposf[1]:tpose[1],tposf[2]:tpose[2]]
            if inputs[tuple(tp)] == tpmat.max():
                print(tpmat.shape,inputs[tuple(tp)],tpmat.max())
                output.append(tp)#保存特征点
    return output