SIFT在OpenCV中的调用和具体实现(HELU版)

  1. 云栖社区>
  2. 博客>
  3. 正文

SIFT在OpenCV中的调用和具体实现(HELU版)

禾路 2017-10-05 07:12:00 浏览574
展开阅读全文

前面我们对sift算法的流程进行简要研究,那么在OpenCV中,sift是如何被调用的?又是如何被实现出来的了?

特别是到了3.0以后,OpenCV对特征点提取这个方面进行了系统重构,那么整个代码结构变成了什么模样?
在代码中
可以看出目前的结构是基于hess的算法进行的重构。那么首先需要解决的是整体的调用和实现结构问题,然后是hess算法的结构问题,再然后才是具体的算法。需要做的事情很多,一起来研究。
一、OpenCV中sift调用接口和例子
    首先是一定要编译使用contrib版本的OpenCV代码,同时最后设置的时候需要注意,头文件和命名空间要选择正确。
     在最新版本的OpenCV中,已经对特征提取这块的函数进行了统一接口:        
    Mat matSrc = imread("e:/template/lena.jpg");
    Mat gray;  
    Mat draw;
    cvtColor( matSrc, gray, CV_RGB2GRAY );  
    Mat descriptors;  
    std::vector<KeyPoint> keypoints;
    // 生产sift结构
    Ptr<SiftFeatureDetector> siftFD = SiftFeatureDetector::create();
    siftFD->detectAndCompute(gray,Mat(),keypoints,draw);
    drawKeypoints(gray,keypoints,gray,Scalar(0,0,255),DrawMatchesFlags::DEFAULT);
结果:
    这里也只是简单地把特征点给画了出来,并没有将方向等信息进行表示。下面我们具体看一看sift在OpenCV中是如何实现的。
    OpenCV是开发源代码的,所以这里的代码都是可以自己看到的。那么联调的方式为
二、sift的代码结构解析
注意,sift的原始地址在
 
它的类结构为:
它的构建函数为:
直接返回的是本类的指针
我们去看代码,基本了解结构以后,就直接从我们想要用的那个函数开始“顺藤摸瓜”。我们想要的是detectAndCompute  函数。
    
三、sift的代码具体实现
step0: createInitialImage 将图片转换成为合适的大小
    Mat base = createInitialImage(imagefirstOctave < 0, (float)sigma);
    最为简单的一步,据说将输入的图片变化为规整的大小和格式:
//step1: buildGaussianPyramid 构建高斯金字塔
    buildGaussianPyramid(basegpyrnOctaves);
//step2: buildDoGPyramid 构建高斯差分金字塔
    buildDoGPyramid(gpyrdogpyr);
//step3: findScaleSpaceExtrema removeDuplicated 寻找并筛选尺度空间特征值
        findScaleSpaceExtrema(gpyrdogpyrkeypoints);
注意这里将特征值的初略寻找和细化寻找放在了一起(一个循环)
其中
其中二
注意:
 
//step4: calcDescriptors 计算特征值
        calcDescriptors(gpyrkeypointsdescriptorsnOctaveLayersfirstOctave);
三、简单小结
       这里也只是将sift的代码挑了出来,简单进行了分析。应该说OpenCV的代码本身才是其最为精髓的地方,无论是代码背后的理论,还是代码实现的技术,以及各种提升速度的方法,都对于我们写出出色的图像处理算法和运用很有帮助。
       而学习的最好方法就是去实现创造。OpenCV本身就是开源的项目,基于现有的这么多的资源,在图像处理广阔的领域去进行创新,不断巩固提升自己的能力。与大家共勉!

 

目前方向:图像拼接融合、图像识别 联系方式:jsxyhelu@foxmail.com

网友评论

登录后评论
0/500
评论
禾路
+ 关注