符合中小企业对网站设计、功能常规化式的企业展示型网站建设
本套餐主要针对企业品牌型网站、中高端设计、前端互动体验...
商城网站建设因基本功能的需求不同费用上面也有很大的差别...
手机微信网站开发、微信官网、微信商城网站...
这篇文章主要介绍C++ OpenCV特征提取之如何实现SIFT特征检测,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
创新互联建站从2013年开始,是专业互联网技术服务公司,拥有项目成都网站设计、网站制作网站策划,项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命,1280元甘德做网站,已为上家服务,为甘德各地企业和个人服务,联系电话:18980820575
SIFT特征和SURF特征比较
比较项目 | SIFT | SURF |
---|---|---|
尺度空间极值检测 | 使用高斯滤波器,根据不同尺度的高斯差(DOG)图像寻找局部极值 | 使用方形滤波器,利用海森矩阵的行列式值检测极值,并利用积分图加速运算 |
关键点定位 | 通过邻近信息插补来定位 | 与SIFT类似 |
方向定位 | 通过计算关键点局部邻域的方向直方图,寻找直方图中最大值的方向作为关键点的主方向 | 通过计算特征点周围像素点x,y方向的哈尔小波变换,将x、y方向小波变换的和向量的最大值作为特征点方向 |
特征描述子 | 是关键点邻域高斯图像梯度方向直方图统计结果的一种表示,是16*8=128维向量 | 是关键点邻域2D离散小波变换响应的一种表示,是16*4=64维向量 |
应用中的主要区别 | 通常在搜索正确的特征时更加精确,当然也更加耗时 | 描述子大部分基于强度的差值,计算更快捷 |
SIFT特征基本介绍
SIFT(Scale-Invariant Feature Transform)特征检测关键特征:
建立尺度空间,寻找极值
关键点定位(寻找关键点准确位置与删除弱边缘)
关键点方向指定
关键点描述子
建立尺度空间,寻找极值
工作原理
构建图像高斯金字塔,求取DOG,发现最大与最小值在每一级
构建的高斯金字塔,每一层根据sigma的值不同,可以分为几个待级,最少有4个。
关键点定位
我们在像素级别获得了极值点的位置,但是更准确的值应该在亚像素位置,如何得到--这个过程称为关键点(准确/精确)定位。
删除弱边缘--通过Hassian矩阵特征值实现,小于阈值自动舍弃。
关键点方向指定
求得每一层对应图像的梯度,根据给定的窗口大小
计算每个高斯权重,sigma=scale*1.5, 0-360之间建立36个直方图Bins
找最高峰对应的Bin,大于max*80%的都保留
这样就实现了旋转不变性,提高了匹配时候的稳定性
大约有15%的关键点会有多个方向
关键点描述子
拟合多项式插值寻找最大Peak
得到描述子 = 4*4*8=128
构造函数
cv::xfeatures2d::SIFT::create(
int nfeatures = 0,
int nOctaveLayers = 3, --高斯金字塔乘积数
double contrastThreshold = 0.04, --对比度
double edgeThreshold = 10, --边缘阈值,一般默认10就行
double sigma = 1.6
)
代码演示
我们再新建一个项目名为opencv--sift,按照配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法
记得我们要加上opencv2\xfeatures2d.hpp
使用SIFT检测,其实红框里面是我们定义的参数,可以修改一下参数进行变化
运行效果
上面左边红框处就是我们获取了多少个KeyPoints并打印出来,可以看到这个比SURF检测明显要少了不少,说明检测的更为细致了,不过也比SURF花费的时间要长一点。
接下来我们改一下参数
再看一下运行效果
可以看到获取到的Keypoints的特征点更少了。
以上是“C++ OpenCV特征提取之如何实现SIFT特征检测”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注创新互联行业资讯频道!