SIFT算法原理步骤及opencv实现

opencv sift需要在2版本，3不行。

步骤

---

整体步骤

1）原图像—->特征点检测（位置，角度，层）——->特征点描述（16*8维的特征向量）—–>原图目标的特征点集

2）目标图像–>特征点检测——->特征点描述—–>目标图的特征点集

3）两幅图片的特征点集合进行：特征点匹配——–>匹配点矫正

opencv算法步骤

1）读入两幅图片

2）特征点检测
生成一个SiftFeatureDetector的对象，用SIFT特征的探测器来探测一帧图片中SIFT点的特征、然后将特征存到一个KeyPoint类型的vector中。
KeyPoint:

• angle：角度，表示关键点的方向，通过Lowe大神的论文可以知道，为了保证方向不变形，SIFT算法通过对关键点周围邻域进行梯度运算，求得该点方向。-1为初值。

• class_id：当要对图片进行分类时，我们可以用class_id对每个特征点进行区分，未设定时为-1，需要靠自己设定-

• octave：代表是从金字塔哪一层提取的得到的数据。

• pt：关键点点的坐标

• response：响应程度，代表着该关键点是该点角点的程度。

• size：该点直径的大小

3）特征点描述
对图像所有KEYPOINT提取其特征向量，通过SiftDescriptorExtractor提取，结果放在一个Mat的数据结构中。这个数据结构才真正保存了该特征点所对应的特征向量。
4、对两幅图的特征向量进行匹配，得到匹配值。

代码

---

#include   
#include   
#include "opencv2/core/core.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include
#include "opencv2/nonfree/features2d.hpp"   //SurfFeatureDetector实际在该头文件中  

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    Mat src = imread("1.jpg", 1);
    Mat src2 = imread("2.jpg", 1);//旋转后

    if (!src.data||!src2.data)
    {
        cout << " --(!) Error reading images " << endl;
    }

    //1--初始化SIFT检测算子  
    int minHessian = 40;
    SiftFeatureDetector detector(minHessian);

    //2--使用SIFT算子检测特征点  
    vector kp1,kp2;
    detector.detect(src, kp1);
    detector.detect(src2, kp2);

    //--绘制特征点  
    Mat keypointImg, keypointImg2;
    drawKeypoints(src, kp1, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
    imshow("SIFT kp1", keypointImg);
    cout << "keypoint1 number: " << kp1.size() << endl;

    drawKeypoints(src, kp2, keypointImg2, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
    imshow("SIFT kp2", keypointImg2);
    cout << "keypoint2 number: " << kp2.size() << endl;

    //3--特征向量提取
    SiftDescriptorExtractor extractor;
    Mat descriptor1, descriptor2;
    extractor.compute(src, kp1, descriptor1);
    extractor.compute(src2, kp2, descriptor2);
    //imshow("desc", descriptor1);
    //cout << endl << descriptor1 << endl;

    //4--特征匹配
    BruteForceMatcherfloat>> matcher;
    vector matches;
    Mat img_matches;

    matcher.match(descriptor1, descriptor2, matches);
    //--绘制匹配  
    drawMatches(src, kp1, src2, kp2, matches, img_matches);
    imshow("matches", img_matches);

    waitKey(0);
    return 0;
}

匹配效果一般。安倍匹配还可以（可能秋田犬的缘故），默克尔鼻子跑墙上去了..