SIFT關鍵點檢測和特征匹配（python實現）

文章目錄

• • 1.Harris和Shi-Tomasi特征檢測
  • 2.SIFT(Scale-Invariant Feature Transform)關鍵點檢測
  • 3.SIFT使用過程
  • • （1）創建SIFT對象
    • （2）進行檢測，（關鍵點）KP=sift.detect(img,……)
    • （3）繪制關鍵點，drawKeypoints(gray,KP,img)
  • 4.代碼實戰
  • 5.特征匹配
  • • （1）方式一：關鍵點匹配
    • （2）方式二：關鍵點匹配

1.Harris和Shi-Tomasi特征檢測

Harris: https://blog.csdn.net/Keep_Trying_Go/article/details/125384144
Shi-Tomasi:https://blog.csdn.net/Keep_Trying_Go/article/details/125384218

2.SIFT(Scale-Invariant Feature Transform)關鍵點檢測

思考：既然有了Harris角點檢測，為什麼還要SIFT關鍵點檢測呢？
（1）Harris角點具有旋轉不變性的特性；但是縮放後，原來的角點有可能不一定為角點了；

可以看到當第一幅圖的角點放大之後，就變成了第二幅圖的樣子，但是再去檢測的時候已經不能檢測出是角點了，而是邊沿了。所以提出了SIFT。

3.SIFT使用過程

（1）創建SIFT對象

（2）進行檢測，（關鍵點）KP=sift.detect(img,……)

（3）繪制關鍵點，drawKeypoints(gray,KP,img)

其中gray——原始圖像，可以使三通道或單通道圖像；KP——關鍵點；img——將點繪制到原始圖像上；color——繪制的特征點的顏色信息，默認繪制的是隨機彩色；
Flags——
（1）cv2.DRAW_MATCHES_FLAGS_DEFAULT：創建輸出圖像矩陣，使用現存的輸出圖像繪制匹配對和特征點，對每一個關鍵點只繪制中間點
（2）cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG：不創建輸出圖像矩陣，而是在輸出圖像上繪制匹配對
（3）cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：對每一個特征點繪制帶大小和方向的關鍵點圖形
（4）cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS：單點的特征點不被繪制

4.代碼實戰

import os
import cv2
import cv2
img=cv2.imread('images/HaLiSi.jpg')
img=cv2.resize(src=img,dsize=(450,450))
gray=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2GRAY)
#SIFT對象創建
sift=cv2.SIFT_create()
#進行檢測,其中第二個參數為None，表示對整張圖進行檢測
kp=sift.detect(gray,None)
#繪制角點
cv2.drawKeypoints(image=gray,keypoints=kp,outImage=img,color=(0,255,0))
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
print('pycharm')

5.特征匹配

（1）關鍵點：位置，大小和方向；
計算SIFT描述子：
（2）記錄了關鍵點周圍對其貢獻的像素點的一組向量值，其不受仿射變換，光照變換等的影響。

（1）方式一：關鍵點匹配

關鍵點匹配：
#方式一：進行特征匹配
kp,des=sift.compute(img,kp)
import os
import cv2
import numpy as np
img=cv2.imread('images/HaLiSi.jpg')
img=cv2.resize(src=img,dsize=(450,450))
gray=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2GRAY)
#SIFT對象創建
sift=cv2.SIFT_create()
#進行檢測,其中第二個參數為None，表示對整張圖進行檢測
kp=sift.detect(gray,None)
#進行特征匹配
kp,des=sift.compute(gray,kp)
print(des)
# kp,des=sift.detectAndCompute(gray)
#繪制角點
cv2.drawKeypoints(image=gray,keypoints=kp,outImage=img,color=(0,255,0))
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
print('Pycharm')

（2）方式二：關鍵點匹配

同時進行關鍵點檢測和特征匹配
Kp,des=sift.detectAndCompute(img,None）
Img:輸入的圖像（灰度圖）；
Mask：指定img中哪個區域進行計算。