快捷導(dǎo)航

Python計(jì)算機(jī)視覺SIFT尺度不變的圖像特征變換

更新時間：2022年05月23日 10:30:18 作者：今年的浙江省狀元

這篇文章主要為大家介紹了Python計(jì)算機(jī)視覺SIFT尺度不變的圖像特征變換，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

圖像特征-SIFT尺度不變特征變換

1.1圖像尺度空間

在一定的范圍內(nèi)，無論物體是大還是小，人眼都可以分辨出來，然后計(jì)算機(jī)要具有相同的能力卻很難，所以要讓機(jī)器能夠?qū)ξ矬w在不同尺度下有一個統(tǒng)一的認(rèn)知，就需要考慮圖像在不同尺度下都存在的特點(diǎn)。

尺度空間的獲取通常使用高斯模糊來實(shí)現(xiàn)

1.2多分辨率金字塔

1.3高斯差分金字塔

1.4DoG空間極值檢測

為了尋找尺度空間的極值點(diǎn)，每個像素點(diǎn)要和其圖像域(同一尺度空間)和尺度域(相鄰的尺度空間)的所有相鄰點(diǎn)進(jìn)行比較，當(dāng)其大于(或者小于)所有相鄰點(diǎn)時，該點(diǎn)就是極值點(diǎn)。如下圖所示，中間的檢測點(diǎn)要和其所在圖像的33鄰域8個像素點(diǎn)，以及其相鄰的上下兩層33鄰域18個像素點(diǎn)，共26個像素點(diǎn)進(jìn)行比較。

1.5關(guān)鍵點(diǎn)的精確定位

這些候選關(guān)鍵點(diǎn)是DoG空間的局部極值點(diǎn)，而且這些極值點(diǎn)均為離散的點(diǎn)，精確定位極值點(diǎn)的一種方法是對尺度空間DoG函數(shù)進(jìn)行曲線擬合，計(jì)算其極值點(diǎn)，從而實(shí)現(xiàn)關(guān)鍵點(diǎn)的精確定位。

1.6消除邊界響應(yīng)

1.7特征點(diǎn)的主方向

1.8生成特征描述

OpenCV SIFT函數(shù)

import cv2  #opencv 讀取進(jìn)來為BGR格式
import matplotlib.pyplot as plt
import numpy as np
#一個魔法指令，不需要采用plt.show()顯示圖像
%matplotlib inline   
print(cv2.__version__)   # 3.4.1.15 pip install opencv-python ==3.4.1.15  pip install opencv-contrib-python==3.4.1.15
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
img = cv2.imread('images/test2.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('gray',gray)
#得到特征點(diǎn)
sift = cv2.xfeatures2d.SIFT_create()
kp = sift.detect(gray,None)
img = cv2.drawKeypoints(gray,kp,img)
cv_show('keyPoint',img)
# 計(jì)算特征
kp, des = sift.compute(gray, kp)
print(np.array(kp).shape)
print(des.shape)
print(des[0])

以上就是Python計(jì)算機(jī)視覺SIFT尺度不變的圖像特征變換的詳細(xì)內(nèi)容，更多關(guān)于Python SIFT尺度不變圖像特征變的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: