《sift程序详解》PPT课件

《《sift程序详解》PPT课件》由会员分享，可在线阅读，更多相关《《sift程序详解》PPT课件（28页珍藏版）》请在金锄头文库上搜索。

1、SIFT特征提取过程中 的核心函数,PART ONE.物理架构 opencv_contrib-3.1.0(版本号)/modules/xfeature2d/opencv_xfeature2d project /src/sift.cpp,cv namespace,xfeature2d namespace,Feature2D,父类/基类,SIFT类,feature2d的子类,父类/基类,SIFT_Impl类,SIFT的子类,PART TWO.运行架构,主函数 int main() /创建SIFT_Impl类指针 Ptr f2d = xfeatures2d:SIFT:create(); Mat img

2、_1 = imread(“1.jpg“);/读入图片 vector keypoints_1; /用于存放检测到的关键点的容器 f2d-detect(img_1, keypoints_1);/检测出关键点 Mat descriptors_1; f2d-compute(img_1, keypoints_1, descriptors_1); /计算描述子 waitKey(0); /等待任意按键按下 ,Feature2D:detect(InputArray image, CV_OUT std:vector& keypoints, InputArray mask=noArray(),SIFT_Impl:

3、detectAndCompute(image, mask, keypoints, noArray(), false);,SIFT_Impl:detectAndCompute(image, noArray(), keypoints, descriptors, true);,Feature2D:compute( InputArray image, std:vector& keypoints, OutputArray descriptors ),调用了 检测关键点函数,调用了 计算描述子函数,createInitialImage() 图像初始化函数,buildGaussianPyramid()构建高

4、斯金字塔函数,buildDoGPyramid()构建DOG金字塔函数,SIFT_Impl:detectAndCompute(image, mask, keypoints, noArray(), false);,findScaleSpaceExtrema()检测尺度空间极值函数,adjustLocalExtrema()调整极值函数,calcOrientationHist()计算关键点主方向函数,函数功能：检测图片中的关键点 参数image：输入图片 参数mask：无掩模 参数keypoints：关键点容器 参数noArray()：无描述子 参数false:不使用给定的关键点,PART TREE

5、.检测关键点部分,图像尺度空间的构建 1.1图像初始化函数 函数功能：将输入图像转化为灰度图，并设置图像初始尺度 c+:static Mat createInitialImage( const Mat& img, bool double ImageSize, float sigma ) 入口参数： 参数const Mat& img：输入图像 参数bool double ImageSize：是否将初始图像扩大两倍，若值为1，则图像扩大为原来两倍 参数float sigma：设定图像的初始尺度 返回值：无 说明：一个图像的尺度空间L(x,y, )，定义为原始图像I(x,y)与一个可变尺度的2维高斯

6、函数G(x,y, )卷积产生：,其中：,lowe 把初始图像的尺度I(x,y) 设置为0.5即：I(x,y) = I(x,y,0.5)，那么由L(x,y, 1)得到L(x,y, 2)，即由尺度为1的图像生成尺度为2的图像的公式为：,图像尺度空间的构建 1.2构建图像金字塔函数： 函数功能：将输入图像作为金字塔初始图像，通过不断进行高斯模糊和降采样后的 图片存放在Mat类容器中 c+:void SIFT_Impl:buildGaussianPyramid( const Mat& base, std:vector& pyr, int nOctaves ) const 入口参数： 参数const M

7、at& base：输入图像 参数std:vector& pyr：用于存储金字塔图像的容器 参数int nOctaves：金字塔的组数 返回值：无,图像尺度空间的构建 1.3构建图像DOG金字塔函数： 函数功能：将构建好的高斯金字塔相邻层相减后构成DOG金字塔存放在Mat类容器中 void SIFT_Impl:buildDoGPyramid( const std:vector& gpyr, std:vector& dogpyr ) const 入口参数： 参数：vector& gpyr：存放高斯金字塔图片的容器 参数：vector& dogpyr： 存放DOG金字塔图片的容器 返回值：无,关键点

8、定位 关键点定位并确定主方向函数 函数功能：（1）在DOG空间检测极值点 （2）精确定位关键点位置和尺度并进行插值处理 （3）去除边缘不稳定的点 （4）为关键点分配主方向 void SIFT_Impl:findScaleSpaceExtrema( const std:vector& gauss_pyr, const std:vector& dog_pyr,std:vector& keypoints ) const 入口参数： 参数const std:vector& gauss_pyr：高斯金字塔容器 参数const std:vector& dog_pyr：DOG金字塔容器 参数std:vect

9、or& keypoints：存放关键点容器 返回值：无,调整局部极值函数 函数功能：精确定位关键点位置和尺度并进行插值处理，去除边缘不稳定的点 static bool adjustLocalExtrema( const std:vector& dog_pyr, KeyPoint& kpt, int octv,int& layer, int& r, int& c, int nOctaveLayers, float contrastThreshold, float edgeThreshold, float sigma ) 入口参数： 参数const std:vector& dog_pyr：DOG尺

10、度空间金字塔 参数KeyPoint& kpt：定义了一个KeyPoint类对象用来存放筛选通过的关键点 参数int octv：该像素点所在的组数 参数int& layer：该像素点所在的层数 参数int& r：该像素点所在的行 参数int& c：该像素点所在的列 参数int nOctaveLayers：金字塔每组的层数S 参数float contrastThreshold：对比度阈值0.04 参数float edgeThreshold：边缘响应阈值 参数float sigma：此处的sigma为初始尺度sigma0 返回值：若极值调整成功返回1，调整失败返回0,说明：,其中令 得：,令 解得

11、：,接下来判断偏移量在每个维度的偏差是否大于0.5，若不大于直接保留，若大于进行迭代插值处理。在设置的迭代次数内修正成功则保留，否则舍弃。,设f（i，j）是y轴为i、x轴为j的图像像素值，则在 （i，j）点处的一阶、二阶及二阶混合偏导为：,再对 进行筛选去除对比度低的点，在opencv中，使用下面的公式来判断其是否为不稳定的极值：,去除边缘响应较强的点，具体在程序中的计算同上：,计算关键点主方向函数 函数功能：为特征点分配主方向 static float calcOrientationHist( const Mat& img, Point pt, int radius, float sigma

12、, float* hist, int n ) 入口参数： 参数const Mat& img：当前特征点所在的图像 参数Point pt：关键点位置 参数int radius：指统计在以关键点为中心，以radius=3*1.5sigma为半径的区域为作为该关键点的邻域，以统计直方图的形式来确定主方向 参数float sigma：这里的sigma是指相对于当前组第一层图像的尺度来说的 参数float* hist：定义了hist指针用于存放直方图 参数int n：直方图的条数 返回值：直方图的主峰值,说明：直方图平滑处理；opencv使用的平滑公式为：,由于直方图代表的只是一个角度范围，想要得到更精

13、确的方向角度值，需要对离散的梯度方向直方图进行插值拟合处理，拟合公式为：,SIFT_Impl:detectAndCompute (image, noArray(), keypoints, descriptors, true),函数功能：计算图片中的关键点描述子 参数image：输入图片 参数noArray()：无掩模 参数keypoints：关键点容器 参数descriptors：描述子 参数true:使用给定的关键点,unpackOctave(),calcDescriptors() 计算关键点描述子函数,calcSIFTDescriptor,PART FOUR.关键点描述子,createIn

14、itialImage() 图像初始化函数,buildGaussianPyramid()构建高斯金字塔函数,buildDoGPyramid()构建DOG金字塔函数,unpackOctave(const KeyPoint& kpt, int& octave, int& layer, float& scale),计算sift特征描述子,入口参数： 参数const KeyPoint& kpt：关键点 参数int& octave：关键点所在层 参数int& layer：关键点所在组 参数float& scale:关键点所在尺度的比例因子 返回值：无,函数功能：去除关键点所在高斯金字塔的层数，组数，以及尺

15、度比例因子 以方便后面计算描述子,计算sift特征描述子 3.2计算sift特征描述子 函数功能：计算特征点描述符 calcDescriptors函数 static void calcDescriptors(const std:vector& gpyr, const std:vector& keypoints, Mat& descriptors, int nOctaveLayers, int firstOctave ) 入口参数： 参数const std:vector& gpyr：存放高斯金字塔图片的容器 参数const std:vector& keypoints：存放关键点的容器 参数Mat

16、& descriptors：描述子矩阵 参数int nOctaveLayers:高斯金字塔层数 参数int firstOctave:如果原图像扩大两倍，则为-1，如果没有，则为0 返回值：无,说明:计算sift特征描述子要用高斯金字塔，dog金字塔只用来求取极值点 int d=SIFT_DESCR_WIDTH=4，n=SIFT_DESCR_HIST_BINS=8 float size=kpt.size*scale 计算特征点的特征矢量calcSIFTDescriptor(img, ptf, angle, size*0.5f, d, n, descriptors.ptr(int)i),函数功能：计算sift特征描述子 static void calcSIFTDescriptor( const Mat& img, Point2f ptf, float o