SIFT算法

• 一，關(guān)鍵點定位
• • DoG（Difference of Gaussian,高斯差分圖）的構(gòu)造
  • 選取極值點（關(guān)鍵點）
• 二，關(guān)鍵點方向確定
• 三，描述子的生成

一，關(guān)鍵點定位

直觀上來說，關(guān)鍵點的定位是SIFT算法的核心部分，正是因為這一步的存在，才有了后面的操作。注意，這里只講算法的大致流程。

DoG（Difference of Gaussian,高斯差分圖）的構(gòu)造

對同一張圖片，選取不同的高斯核（也就是標準差不同），就產(chǎn)生了一個圖像簇，使用這些圖像簇互相做減法，就得到了DoG。再對原圖進行下采樣，重復(fù)上面的操作，就得到了多尺度DoG。多尺度的目的是為了模擬人眼遠近看到的圖片大小不同。通過這種方法達到了尺度不變性

就如上圖一樣，圖片來自這里。具體的細節(jié)，也可以參考這篇文章，寫得真的很好。

選取極值點（關(guān)鍵點）

選取極值點是在DoG圖片中選取的，具體的做法就是和周圍的像素相比較，選擇一個最大的數(shù)來代替現(xiàn)在位置的數(shù)。

就比如上面的那張圖片一樣，中間的像素要和周圍的333-1 = 26個像素相比較。

二，關(guān)鍵點方向確定

關(guān)鍵點確定之后，以關(guān)鍵點坐標（在原圖上的坐標）為圓心，做一個圓，把圓內(nèi)所有的梯度方向疊加到8個方向上面，然后選取最大值，作為關(guān)鍵點主方向。通過這種方法，達到了方向不變性。
確定了主方向，后面的操作就會圍繞這個主方向來進行。

三，描述子的生成

將坐標軸和主方向的方向?qū)R。如下圖：

然后就是選擇一個大小合適的方框，把方框分為4×4個小格，每個小格都有8個主方向，同理，也是計算每個小格的梯度方向，然后加到8個方向里面（如果方向不同，就取方向最相近的一個方向。）然后最后得到的就是4×4×8大小的向量，這個向量就是SIFT描述子。
這里是參考網(wǎng)址。

（后面有時間了再寫如何匹配）

總結(jié)

以上是生活随笔為你收集整理的SIFT算法流程介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。