opencv之sift算法
来源:互联网 发布:淘宝win10专业版激活码 编辑:程序博客网 时间:2024/05/29 15:08
SIFT 算法分为4 个阶段:
1、尺度空间极值检测:该阶段是在图像的全部尺度和全部位置上进行搜索,并通过应用高斯差分函数可以有效地识别出尺度不变性和旋转不变性的潜在特征点。
2、特征点的定位:在每个候选特征点上,一个精细的模型被拟合出来用于确定特性点的位置和尺度。而特征点的最后选取依赖的是它们的稳定程度。
3、方向角度的确定:基于图像的局部梯度方向,为每个特性点分配一个或多个方向角度。所有后续的操作都是相对于所确定下来的特征点的角度、尺度和位置的基础上进行的,
因此特征点具有这些角度、尺度和位置的不变性。
4、特征点的描述符:在所选定的尺度空间内,测量特征点邻域区域的局部图像梯度,将这些梯度转换成一种允许局部较大程度的形状变形和亮度变化的描述符形式
1、使用opencv内置的库读取图片imread()
2、调用sift函数,根据sift函数的接口,sift(InputArray _image, InputArray _mask,vector<KeyPoint>& keypoints,OutputArray _descriptors,bool useProvidedKeypoints),可以分别得到特征点和描述符。
3、利用暴力匹配算子,定义一个匹配算子matcher,BruteForceMatcher<L2<float>> matcher,定义一个向量,matches用来存放将第二步得到的descriptors进行匹配结果,matcher.match(descriptors1, descriptors2, matches)。
4、根据匹配得到的matches,利用drawMatches函数画图,drawMatches(img1, key_points1, img2, key_points2, matches, img_matches, Scalar(255, 255, 255));。
- opencv之sift算法
- OpenCV图像匹配算法之sift
- opencv中sift算法
- opencv中sift算法
- opencv之sift双目测距
- SIFT算法原理与OpenCV源码分析1:SIFT简介
- 【opencv】SIFT算法原理及实现
- 基于OpenCV的SIFT算法的实现
- SIFT匹配算法分析(Practical OpenCV)
- OPENCV下SIFT算法使用方法笔记
- OPENCV下SIFT算法使用方法笔记
- OPENCV下SIFT算法使用方法笔记
- OpenCV SIFT特征点提取算法
- python opencv入门 SIFT算法(33)
- OpenCV--SIFT算法检测特征点
- 经典算法初探之SIFT
- SIFT算法原理与OpenCV源码分析6:OpenCV实现SIFT算法,特征检测器FeatureDetector
- 图像匹配算法研究之sift算法
- Caffe Convolutional Layer
- HttpPost与HttpGet的区别
- Android图像常用压缩技术
- C++内存泄漏检测
- 孩子营养
- opencv之sift算法
- jni编译问题:conflicting types for XXX (方法名)
- java希尔排序--ShellSort
- hdu1978
- Redis学习记录之Transaction简析(十九)
- 【深度】2015年自然语言处理顶级会议EMNLP都讲了些什么?
- 45度角地图--地图绘制
- ATS
- 360广告联盟测试