OpenCV图像特征SIFT
文章目录
- 图像尺度空间
- 多分辨率金字塔
- 多分辨率金字塔DOG
- DoG空间极值检测
- 关键点的精确定位
- 消除边界响应
- SIFT算法特征点
- 特征点的主方向
- 生成特征描述
- OpenCV中SIFT算法的使用
图像尺度空间
- 在一定的范围内,无论物体是大还是小,人眼都可以分辨出来,然而计算机要有相同的能力却很难,所以要让计算机能够对物体在不同尺度下有一个统一的认知,就需要考虑图像在不同的尺度下都存在的特点。
- 尺度空间的获取通常使用高斯模糊来实现(公式如下):
LLL(xxx,yyy,σ\sigmaσ) = GGG(xxx,yyy,σ\sigmaσ) * III(xxx,yyy)- G表示高斯函数
- I表示输入图像
- 通产高斯核选用3x3或5x5
- 高斯函数如下图所示:
- 我们可通过σ\sigmaσ的值来控制图片的模糊程度,如果σ\sigmaσ值越大,标准差越大,浮动范围也就越大,原始图像改变越明显。
多分辨率金字塔
- 我们在对图像进行不同的滤波操作往往是不够的,我们还需要对其进行金字塔操作。进行下采样时,高斯滤波之后图像数量需保持不变。
多分辨率金字塔DOG
- 高斯滤波得到的图像进行两两相减得到高斯差分金字塔如下图所示:
- DOG定义公式如下:
DoG空间极值检测
- 为了寻找尺度空间的极值点,每个像素点要和其图像域(同一尺度空间)和尺度域(相邻的尺度空间)的所有相邻点进行比较,当其大于(或者小于)所有相邻点时,该点就是极值点。如下图所示,中间的检测点要和其所在图像的3×3邻域8个像素点,以及其相邻的上下两层的3×3领域18个像素点,共26个像素点进行比较。
- G = DOG + 1
关键点的精确定位
- 这些候选关键点是DOG空间的局部极值点,而且这些极值点均为离散的点,精确定位极值点的一种方法是,对尺度空间DOG函数进行曲线拟合,计算其极值点,从而实现关键点的精确定位。如下图所示:
- 利用泰勒展式可得(一般来说二阶就够了):
- 对于离散点来说不太好求导,我们需要使用泰勒展式,这里只能是求得出一个近似。省略了一个Δ\DeltaΔ。通过f’(x)=0可以求得真正的极值点。
- 当然通过举这个例子就是通俗地讲了一下DOG这样的方法,而真正公式是个三维的,要比这复杂很多,如下所示:
消除边界响应
- 使用高斯滤波进行操作之后可能会增加一些边界响应,此时我们需要消除边界响应。
- 海塞矩阵
- 如果两个特征值的比值γ\gammaγ>10则特征点被消除
SIFT算法特征点
特征点的主方向
- 每个特征点可以得到三个信息(x,y,σ,θ),即位置、尺度和方向。具有多个方向的关键点可以被复制成多份,然后将方向值分别赋给复制后的特征点,一个特征点就产生了多个坐标、尺度相等,但是方向不同的特征点。
生成特征描述
- 在完成关键点的梯度计算后,使用直方图统计邻域内像素的梯度和方向。
- 为了保证特征矢量的旋转不变性,要以特征点为中心,在附近邻域内将坐标轴旋转θ角度,即将坐标轴旋转为特征点的主方向。公式如下:
- 旋转之后的主方向为中心取8x8的窗口,求每个像素的梯度幅值和方向,箭头方向代表梯度方向,长度代表梯度幅值,然后利用高斯窗口对其进行加权运算,最后在每个4x4的小块上绘制8个方向的梯度直方图,计算每个梯度方向的累加值,即可形成一个种子点,即每个特征的由4个种子点组成,每个种子点有8个方向的向量信息。
- 建议对每个关键点使用4x4共16个种子点来描述,这样一个关键点就会产生128维的SIFT特征向量。
OpenCV中SIFT算法的使用
- 读取图像
import cv2
import numpy as npimg = cv2.imread('xiaohuolong.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- 得到特征点
sift = cv2.xfeatures2d.SIFT_create()
kp = sift.detect(gray, None)
#绘制关键点
img = cv2.drawKeypoints(gray, kp, img)cv2.imshow('drawKeypoints', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
- 计算特征
kp, des = sift.compute(gray, kp)
print (np.array(kp).shape)
(187,)
des.shape
#默认128维
(187, 128)
des[0]
array([ 30., 5., 0., 11., 10., 4., 0., 24., 20., 3., 0.,1., 0., 0., 5., 70., 1., 0., 0., 1., 0., 0.,31., 160., 1., 0., 0., 0., 0., 0., 38., 158., 18.,0., 0., 4., 0., 0., 4., 59., 160., 3., 0., 0.,0., 0., 4., 160., 52., 1., 0., 0., 0., 0., 21.,160., 0., 0., 0., 0., 0., 0., 10., 42., 17., 3.,0., 0., 0., 1., 3., 9., 160., 64., 0., 0., 0.,0., 0., 25., 160., 29., 0., 0., 0., 0., 1., 23.,0., 0., 0., 0., 0., 0., 1., 1., 5., 2., 0.,0., 0., 1., 1., 0., 160., 69., 0., 0., 0., 0.,0., 2., 160., 45., 0., 0., 0., 0., 0., 1., 2.,0., 0., 0., 0., 0., 0., 0.], dtype=float32)
OpenCV图像特征SIFT相关推荐
- Opencv图像特征点提取(
目录 特征点分类 1 ORB ①特征点检测 ②计算特征描述 2 SIFT 1 SIFT特征检测的步骤 ①.在DOG尺度空间中获取极值点,即关键点. ②.特征点方向估计 ③生成特征描述 ④.代码实现 3 ...
- opencv图像特征之尺寸不变特性+算法对比总结
文章目录 1.引入SIFT 2.opencv中的SIFT 3.引入SURF 4.opencv中的SURF 5.引入FAST算法 6.opencv中的FAST算法 7.引入BRIEF 8.opencv中 ...
- Opencv图像特征
唐宇迪老师Opencv课程笔记 图像特征 harris角点检测 基本原理 cv2.cornerHarris() Scale Invariant Feature Transform(SIFT) 图像尺度 ...
- OpenCV图像特征匹配
文章目录 Brute-Force暴力匹配 随机抽样一致算法 Brute-Force暴力匹配 我们准备两张图像,我们想知道图像中有哪些关键点是比较类似的.需要对两张图像的特征点进行匹配.暴力匹配就是对两 ...
- 图像特征点—SIFT特征点
图像特征点-SIFT特征点 关于SIFT特征点,以下三篇博客说的非常详细,再次不再赘述. https://mp.weixin.qq.com/s/XVB88f119gRqpwTTRvTyrA https ...
- 【OpenCV应用】python处理行李图像匹配项目——图像特征点
OpenCV--图像角点检测应用记录 图像特征 Harris角点检测 Shi-Tomasi 角点检测 SIFT (尺度不变特征变换)原理 SURF (加速鲁棒性特征)原理 FAST角点检测 BRIEF ...
- OpenCV + CPP 系列(卌二)图像特征匹配( KAZE/AKAZE)
文章目录 一.KAZE简介 二.代码演示 特征检测效果对比 演示匹配 一.KAZE简介 ECCV2012中出现了一种比SIFT更稳定的特征检测算法KAZE ([1]).KAZE的取名是为了纪念尺度空间 ...
- OPENCV学习笔记 - SIFT 尺度不变特征变换 Python
OPENCV学习笔记 - SIFT 尺度不变特征变换 Python 为什么我们需要SIFT尺度不变特征变换? 第一,建立高斯差分金字塔 第二,极值点的精确定位 第三,确定关键点的主方向 第四,构建关键 ...
- 结合openCV学习DIP之传统图像特征与匹配
前言 关于图像的预处理部分参考 结合opencv学习DIP 概述 该笔记主要是基于DIP理论➕openCV实现,学习该笔记首先要确保通读DIP理论,并由自己的话描述相关知识,并且掌握o ...
最新文章
- 基于IOC的GUI框架设计与实现
- 文献学习(part20)--Sparse Subspace Clustering: Algorithm, Theory, and Applications
- 【招聘(南京)】南京纳龙科技有限公司招高级.net开发工程师
- C#开发微信公众平台-就这么简单(附Demo)(转)
- 注意,Dubbo 存在高危反序列化漏洞!
- 预训练新范式!为什么Prompt会更有效?
- Eclipse关闭无用validation
- 2016021902 - linux解压缩命令
- 学生信息管理系统_C语言实现_单链表
- 如何获得微信小游戏源码
- 使用 Vite + 前端框架 (SolidJs,React,Svelte,Vue) 来开发 油猴脚本
- 在世界球场一球成名:HMS 生态为游戏开发者送出的助攻
- 一台笔记本连接WiFi,与一台只有有线网卡的台式机共享Internet的方法
- SVLAN,CVLAN,PVLAN是属于SVLAN(Stack VLAN)的观念
- dBm与W换算)手机信号放大器功率单位
- Clickhouse副本与分片
- hn版是什么版本的教材_全国各地中小学英语教材用的是什么版本的?谢谢 急
- Python中copy和deepcopy中的区别
- CPOFDM-16QAM性能仿真,输出接收端的星座图
- 树莓派搭建Blynk(国外开源物联网平台)+esp8266(airkiss)连接blink+esp8266获取温湿度获取心知天气,获取ntc时间通过u8g2库驱动ssd1306_oled9.6显示
热门文章
- 高德尝试用“成本价”推动共享,但高精地图行业不只有价格
- charles + 雷电模拟器4进行手机抓包
- 来了!全球三个首次5G技术实现; 辽宁省完成5G投资36.4亿元; 中兴发布白皮书; 7月国内5G手机出货1391.1万...
- canvas - 基础知识 - 绘制剪纸图形
- 【TensorFlow基础】
- 祝福大家劳动节节日快乐
- Harmonious Graph
- 微信的支付(二维码,APP)
- JS判断浏览器版本(已解决IE11版本为Mozilla问题)
- 中小型服装店如何选择管理软件?