博主简介:matlab图像代码项目合作(扣扣:3249726188)
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
本次案例是基于基于SIFT算法的图像匹配,用matlab实现。
一、案例背景和算法介绍
本期开始我们介绍图像处理的一个重要领域算法:图像匹配。图像匹配的算法比较多,有基于SIFT、SURF、Harris等特征的匹配算法,这次介绍的算法是SIFT匹配算法。
SIFT尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由 David Lowe在1999年所发表,2004年完善总结。关于sift算法的相关资料,有很多大佬说的很详细,相关资料也非常多,这里不再详细叙述,只概述一下主要步骤:
SIFT算法分解为如下四步:
1、 尺度空间极值检测:搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。
2、关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。
3、方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。
4、关键点描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。
得到SIFT匹配点之后,接下来就是匹配:
1、计算特征距离值,如符合一定规则(如设置距离少于某个值),则认为符合初步匹配
2、利用RANSAC算法去除误匹配
下面看看具体的matlab实现效果。
完成匹配后,可以根据匹配效果做图像拼接操作了,这个后续的算法再做介绍。
二、Matlab实现效果
原图:
SIFT特征显示:
图像初步匹配:
利用RANSAC算法去除误匹陪: