Python计算机视觉SIFT尺度不变的图像特征变换
作者:今年的浙江省状元
这篇文章主要为大家介绍了Python计算机视觉SIFT尺度不变的图像特征变换,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
图像特征-SIFT尺度不变特征变换
1.1图像尺度空间
在一定的范围内,无论物体是大还是小,人眼都可以分辨出来,然后计算机要具有相同的能力却很难,所以要让机器能够对物体在不同尺度下有一个统一的认知,就需要考虑图像在不同尺度下都存在的特点。
尺度空间的获取通常使用高斯模糊来实现
1.2多分辨率金字塔
1.3高斯差分金字塔
1.4DoG空间极值检测
为了寻找尺度空间的极值点,每个像素点要和其图像域(同一尺度空间)和尺度域(相邻的尺度空间)的所有相邻点进行比较,当其大于(或者小于)所有相邻点时,该点就是极值点。如下图所示,中间的检测点要和其所在图像的33邻域8个像素点,以及其相邻的上下两层33邻域18个像素点,共26个像素点进行比较。
1.5关键点的精确定位
这些候选关键点是DoG空间的局部极值点,而且这些极值点均为离散的点,精确定位极值点的一种方法是对尺度空间DoG函数进行曲线拟合,计算其极值点,从而实现关键点的精确定位。
1.6消除边界响应
1.7特征点的主方向
1.8生成特征描述
OpenCV SIFT函数
import cv2 #opencv 读取进来为BGR格式 import matplotlib.pyplot as plt import numpy as np #一个魔法指令,不需要采用plt.show()显示图像 %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) #得到特征点 sift = cv2.xfeatures2d.SIFT_create() kp = sift.detect(gray,None) img = cv2.drawKeypoints(gray,kp,img) cv_show('keyPoint',img) # 计算特征 kp, des = sift.compute(gray, kp) print(np.array(kp).shape) print(des.shape) print(des[0])
以上就是Python计算机视觉SIFT尺度不变的图像特征变换的详细内容,更多关于Python SIFT尺度不变图像特征变的资料请关注脚本之家其它相关文章!