【图像配准】基于matlab sift算法之图像配准【含Matlab源码 082期】

一、简介

1,SIFT算法的实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。
a,不变性：
——对图像的旋转和尺度变化具有不变性；
——对三维视角变化和光照变化具有很强的适应性；
——局部特征，在遮挡和场景杂乱时仍保持不变性；
b,辨别力强：
——特征之间相互区分的能力强，有利于匹配；
c,数量较多：
——Lowe原话：一般500*500的图像能提取约2000个特征点（这个数字依赖于图像内容和几个参数的选择）。
在高斯差分（Difference of Gaussian，DOG）尺度空间中提取极值点并进行优化，从而获取特征点。
在这里插入图片描述
2,SIFT算法点检测的具体步骤：
——构建尺度空间；
——构造高斯差分尺度空间；
——DoG尺度空间极值点检测；
——特征点精确定位；
——去除不稳定点；

二、源代码

close all;clear all;clc;
 
im1=imread('testdata\x1.jpg');
im2=imread('testdata\x2.jpg');
 
gray1=zoo_x2gray(im1);
gray2=zoo_x2gray(im2);
 
[des1,loc1]=zoo_sift(gray1);
[des2,loc2]=zoo_sift(gray2);
 
figure;zoo_drawPoints(im1,loc1,im2,loc2);
 
Num=3;
Thresh=0.85;
 
match=zoo_BidirectionalMatch(des1,des2,Num,Thresh);
 
clear des1 des2
loc1=loc1(match(:,1),:);
loc2=loc2(match(:,2),:);
 
figure;zoo_linePoints(im1,loc1,im2,loc2);
 
agl=zoo_getRotAgl(loc1,loc2);
 
figure;zoo_drawRotAglHist(agl);
 
opt=zoo_optIndex(agl);
loc1=loc1(opt,:);
loc2=loc2(opt,:);
 
figure;zoo_linePoints(im1,loc1,im2,loc2);
 
T=zoo_getTransMat(gray1,loc1,gray2,loc2);
im=zoo_imRegist(im1,im2,T);
 
figure,imshow(im);

三、运行结果

在这里插入图片描述

四、备注

【图像配准】基于matlab sift算法之图像配准【含Matlab源码 082期】

一、简介

二、源代码

三、运行结果

四、备注

猜你喜欢