SIFT在OpenCV中的调用和具体实现(HELU版)-低调大师

SIFT在OpenCV中的调用和具体实现(HELU版)

2017-10-04 752

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(image, firstOctave < 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(base, gpyr, nOctaves);

//step2: buildDoGPyramid 构建高斯差分金字塔

buildDoGPyramid(gpyr, dogpyr);

//step3: findScaleSpaceExtrema removeDuplicated 寻找并筛选尺度空间特征值

findScaleSpaceExtrema(gpyr, dogpyr, keypoints);

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(gpyr, keypoints, descriptors, nOctaveLayers, firstOctave);

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

微信关注我们

原文链接：https://yq.aliyun.com/articles/649454

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

深度学习必备手册（上）

更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud 请收下这份关于人工智能的根目录——博客整理系列（一）关于数据科学的那些事——博客整理系列（二）机器学习必备手册——博客整理系列（三）扩展眼界的都在这——博客整理系列（四）深度学习必备手册——博客整理系列（六）深度学习的概念源于人工神经网络的研究，如果追溯深度学习的概念还是要回到2006年Hinton那篇论文，基于深信度网（DNB）提出非监督贪心逐层训练算法，未解决深层结构相关的优化难题出现的论文。其实，对于我们人类而言，很多事情都是经过大脑的深层处理模式的解决的，笔者认为，在未来广度学习一定是深度学习的一个沿伸，为什么？因为人类最显著的特征并不是深度学习，而是广度学习。所谓的广度学习是建立在一系列深度学习的基础上的，广度学习通俗的说法既是联想能力

2017-10-03

717

在开始研究自然语言处理深度学习的时候，你需要有数据集来练习编程。最好使用小的数据集，因为下载速度比较快，并且不用花太长的时间来适应模型。此外，使用容易理解并且广泛使用的标准数据集也是有帮助的，这能让你对结果进行比较，看看自己是否取得了进展。本文介绍了一套用于自然语言处理任务的标准数据集，在你研究深度学习的时候可以使用。概述本文分为7个部分，包括：文本分类语言建模图像字幕机器翻译问题回答语音识别文档摘要我提供了不少的数据集，它们在学术论文中的使用非常广泛。几乎所有的数据集都可以免费下载。让我们开始吧。用于自然语言处理的数据集 1. 文本分类文本分类是指对语句或者文档打标签，例如电子邮件分类和情感分析。下面是一些不错的的初级文本分类数据集。路透社Newswire主题分类（路透社21578）。 1987年在路透社出现的一系列新闻文档，按类

2017-10-04

722

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。