SIFTDemoV4代码相关说明.docx

测试代码的说明：1 共有三段Matlab代码源文件match.m：测试程序?功能：该函数读入两幅（灰度）图像，找出各自的 SIFT 特征, 并显示两连接两幅图像中被匹配的特征点（关键特征点（the matched keypoints）直线（将对应特征点进行连接）。判断匹配的准则是匹配距离小于distRatio倍于下一个最近匹配的距离（ A match is accepted only if its distance is less than distRatio times the distance to the second closest match. 该程序返回显示的匹配对的数量。（ It returns the number of matches displayed.）调用实例： match(desk.jpg,book.jpg); ( 假如，想测试一个含有一本书的桌面的图像 和一本书的图像之间特征匹配）调用方法和参数描述：略。?注意：（1）图像为灰度图像，如果是彩色图像，应该在调用前利用rgb2gray转换为灰度图像。?(2）参数distRatio 为控制匹配点数量的系数，这里取 0.6，该参数决定了匹配点的数量，在Match.m文件中调整该参数，获得最合适的匹配点数量。sift.m :尺度不变特征变换（SIFT算法）的核心算法程序具体原理详见David G. Lowe发表于2004年Int Journal of Computer Vision,2(60):91-110的那篇标题为“Distivtive Image Features from Scale -Invariant Keypoints 的论文功能：该函数读入灰度图像，返回SIFT 特征关键点（ SIFT keypoints.）调用方法和参数描述：调用方式：[image, descriptors, locs] = sift(imageFile)输入参数（ Input parameters）:imageFile: 图像文件名.输出或返回参数（ Returned）:image: 是具有double format格式的图像矩阵descriptors:　一个 K-by-128　的矩阵x, 其中每行是针对找到的Ｋ个关键特征点（the K keypoints）　　的不变量描述子. 这个描述子（descriptor）是一个拥有１２８个数值并归一化为单位长度向量.locs: 是K-by-4 矩阵, 其中的每一行具有四个数值，表示关键点位置信息 (在图像中的行坐标，列坐标（row, column) ，注意，一般图像的左上角为坐标原点）, 尺度scale，高斯尺度空间的参数，其中该参数也决定了frame(结构）确定的图像disk的大小, 最后一个参数是方向orientation). 方向参数的范围是[-PI, PI] 单位为弧度.%appendimages.m:该函数创建一个新的图像分别包含两个匹配的图像和他们之间的匹配对的连接直线.２、测试结果输入图像１：book1gray.jpg输入图像2：book2gray.jpg运行结果1：（比例参数为０．６　）调用过程： match(book1gray.jpg,book2gray.jpg)输出结果：Finding keypoints... 394 keypoints found. 　（第１幅图像中检测到３９４个特征点）Finding keypoints... 488 keypoints found. （第２幅图像中检测到４８８个特征点）Found 82 matches.　（找到了８２个匹配点）ans = 82运行结果2：（比例参数为0 . 5　）调用过程： match(book1gray.jpg,book2gray.jpg)输出结果：Finding keypoints... 394 keypoints found. 　（第１幅图像中检测到３９４个特征点）Finding keypoints... 488 keypoints found. （第２幅图像中检测到４８８个特征点）Found 55 matches.　（找到了55个匹配点）运行结果3 把第二个测试图像变成其中的一个局部，如图（book2graypart.jpg)参数同上，比例参数为0 . 5　调用过程： match(book1gray.jpg,book2graypart.jpg)Finding keypoints... 394 keypoints found. Finding keypoints... 121 keypoints found. Found 26 matches.ans = 26几点需要作出说明：1. temp.key只是用来存储所得到的特征点的，这个主要的算法是sif