SIFT特征提取-应用篇

原文：http://blog.csdn.net/abcjennifer/article/details/7365882

SIFT特征具有缩放、旋转特征不变性，下载了大牛的matlab版SIFT特征提取代码，解释如下：

1.调用方法：

将文件加入matlab目录后，在主程序中有两种操作：

op1：寻找图像中的Sift特征：

[image, descrips, locs] = sift('scene.pgm');   
showkeys(image, locs);  

op2：对两幅图中的SIFT特征进行匹配：

match('scene.pgm','book.pgm');  

由于scene和book两图中有相同的一本书，但orientation和size都不同，可以发现所得结果中Sift特征检测结果非常好。

2.代码下载地址：
http://www.cs.ubc.ca/~lowe/keypoints/
3.想用自己的图片进行调用

i1=imread('D:\Images\New\Cars\image_0001.jpg');  
i2=imread('D:\Images\New\Cars\image_0076.jpg');  
i11=rgb2gray(i1);  
i22=rgb2gray(i2);  
imwrite(i11,'v1.jpg','quality',80);  
imwrite(i22,'v2.jpg','quality',80);  
match('v1.jpg','v2.jpg');  

</pre><pre class="reply-text mb10" style="margin-top:0px; margin-bottom:10px; padding-top:0px; padding-right:0px; padding-bottom:0px; padding-left:0px; white-space:pre-wrap; word-wrap:break-word; zoom:1; line-height:22px; background-color:rgb(255,252,246)" name="code" snippet_file_name="blog_20161027_4_8629807" code_snippet_id="1951584"><span style="font-family:'Microsoft YaHei'; font-size:13px">experiment results:</span>

book



compare result

EXP2:



C代码

// FeatureDetector.cpp : Defines the entry point for the console application.  
//  
  
#include "stdafx.h"  
#include "highgui.h"  
#include "cv.h"  
#include "vector"  
#include "opencv\cxcore.hpp"  
#include "iostream"  
#include "opencv.hpp"  
#include "nonfree.hpp"  
#include "showhelper.h"  
  
using namespace cv;  
using namespace std;  
  
int _tmain(int argc, _TCHAR* argv[])  
{  
    //Load Image   
    Mat c_src1 =  imread( "..\\Images\\3.jpg");  
    Mat c_src2 = imread("..\\Images\\4.jpg");  
    Mat src1 = imread( "..\\Images\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE);  
    Mat src2 = imread( "..\\Images\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE);  
    if( !src1.data || !src2.data )  
    { std::cout<< " --(!) Error reading images " << std::endl; return -1; }  
  
    //sift feature detect  
    SiftFeatureDetector detector;  
    std::vector<KeyPoint> kp1, kp2;  
  
    detector.detect( src1, kp1 );  
    detector.detect( src2, kp2 );  
    SiftDescriptorExtractor extractor;  
    Mat des1,des2;//descriptor  
    extractor.compute(src1,kp1,des1);  
    extractor.compute(src2,kp2,des2);     
    Mat res1,res2;   
    int drawmode = DrawMatchesFlags::DRAW_RICH_KEYPOINTS;  
    drawKeypoints(c_src1,kp1,res1,Scalar::all(-1),drawmode);//在内存中画出特征点  
    drawKeypoints(c_src2,kp2,res2,Scalar::all(-1),drawmode);  
    cout<<"size of description of Img1: "<<kp1.size()<<endl;  
    cout<<"size of description of Img2: "<<kp2.size()<<endl;  
  
    BFMatcher matcher(NORM_L2);  
    vector<DMatch> matches;  
    matcher.match(des1,des2,matches);  
    Mat img_match;  
    drawMatches(src1,kp1,src2,kp2,matches,img_match);//,Scalar::all(-1),Scalar::all(-1),vector<char>(),drawmode);  
    cout<<"number of matched points: "<<matches.size()<<endl;  
    imshow("matches",img_match);  
    cvWaitKey();  
    cvDestroyAllWindows();  
  
    return 0;  
}  

Python代码：

http://blog.csdn.NET/abcjennifer/article/details/7639681

关于sift的其他讲解:

http://blog.csdn.Net/abcjennifer/article/details/7639681
http://blog.csdn.net/abcjennifer/article/details/7372880
http://blog.csdn.net/abcjennifer/article/details/7365882

<span style="font-family:Microsoft YaHei;">
</span>