C++ OpenCV特征提取之如何實(shí)現(xiàn)SIFT特征檢測

這篇文章主要介紹C++ OpenCV特征提取之如何實(shí)現(xiàn)SIFT特征檢測，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

 

SIFT特征和SURF特征比較

SIFT特征基本介紹

SIFT(Scale-Invariant Feature Transform)特征檢測關(guān)鍵特征：

• 建立尺度空間，尋找極值

• 關(guān)鍵點(diǎn)定位（尋找關(guān)鍵點(diǎn)準(zhǔn)確位置與刪除弱邊緣）

• 關(guān)鍵點(diǎn)方向指定

• 關(guān)鍵點(diǎn)描述子

建立尺度空間，尋找極值

工作原理

1. 構(gòu)建圖像高斯金字塔，求取DOG，發(fā)現(xiàn)最大與最小值在每一級(jí)

2. 構(gòu)建的高斯金字塔，每一層根據(jù)sigma的值不同，可以分為幾個(gè)待級(jí)，最少有4個(gè)。

關(guān)鍵點(diǎn)定位

• 我們在像素級(jí)別獲得了極值點(diǎn)的位置，但是更準(zhǔn)確的值應(yīng)該在亞像素位置，如何得到--這個(gè)過程稱為關(guān)鍵點(diǎn)（準(zhǔn)確/精確）定位。

• 刪除弱邊緣--通過Hassian矩陣特征值實(shí)現(xiàn)，小于閾值自動(dòng)舍棄。

關(guān)鍵點(diǎn)方向指定

• 求得每一層對應(yīng)圖像的梯度，根據(jù)給定的窗口大小

• 計(jì)算每個(gè)高斯權(quán)重，sigma=scale*1.5, 0-360之間建立36個(gè)直方圖Bins

• 找最高峰對應(yīng)的Bin，大于max*80%的都保留

• 這樣就實(shí)現(xiàn)了旋轉(zhuǎn)不變性，提高了匹配時(shí)候的穩(wěn)定性

• 大約有15%的關(guān)鍵點(diǎn)會(huì)有多個(gè)方向

關(guān)鍵點(diǎn)描述子

• 擬合多項(xiàng)式插值尋找最大Peak

• 得到描述子 = 4*4*8=128

構(gòu)造函數(shù)

cv::xfeatures2d::SIFT::create(

     int  nfeatures = 0,

     int  nOctaveLayers = 3,    --高斯金字塔乘積數(shù)

     double contrastThreshold = 0.04,    --對比度

     double edgeThreshold = 10,   --邊緣閾值，一般默認(rèn)10就行

     double sigma = 1.6     

)

代碼演示

我們再新建一個(gè)項(xiàng)目名為opencv--sift，按照配置屬性(VS2017配置OpenCV通用屬性),然后在源文件寫入#include和main方法

記得我們要加上opencv2\xfeatures2d.hpp

使用SIFT檢測，其實(shí)紅框里面是我們定義的參數(shù)，可以修改一下參數(shù)進(jìn)行變化

運(yùn)行效果

上面左邊紅框處就是我們獲取了多少個(gè)KeyPoints并打印出來，可以看到這個(gè)比SURF檢測明顯要少了不少，說明檢測的更為細(xì)致了，不過也比SURF花費(fèi)的時(shí)間要長一點(diǎn)。

接下來我們改一下參數(shù)

再看一下運(yùn)行效果

可以看到獲取到的Keypoints的特征點(diǎn)更少了。

以上是“C++ OpenCV特征提取之如何實(shí)現(xiàn)SIFT特征檢測”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！