EmgucvSIFT实现.docVIP

 HYPERLINK /xiang__jiangsu/article/details/8116618 Emgu cv中的SIFT算法实现 SIFT算法大家都比较熟悉，网上的版本很多，刚开始接触时我主要研究的是C++，因为相对于C#，基于OPEN CV C++的SIFT算法资料更多，但是由于想要实现较为理想的界面效果，最终还是放弃了使用C++转而使用C#。 C#中SIFT算法主要分为三种： 1）脱离Emgu cv平台，完全手动实现所有SIFT算法函数，这样的程序虽然实现有些困难，但是完全可借助已有的C++程序做更改，而且这样做最大的好处就是对SIFT算法的原理有更深的理解。 2）实现时使用少量Emgu cv函数（例如影像的读取，灰度值获得等），但是大部分工作还是依赖于.net平台自行完成。 3）基本上程序完全借助于Emgu cv提供的接口，核心函数完全由Emgu cv提供。 前两类程序资源较多，大家也很容易下载，第三类程序资源相对较少，因此我今天简单为大家介绍第三类算法的实现方法，首先回顾一下SIFT算法计算步骤： 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。 使用Emgu cv实现上述步骤非常简单，程序如下： //确定匹配图像 Bitmap bt1 = new Bitmap(@C:\Users\GAOXIANG\Desktop\111.jpg);Bitmap bt2 = new Bitmap(@C:\Users\GAOXIANG\Desktop\222.jpg); //将图像转为Emgu cv的处理格式 ImageGray, byte img1 = new ImageGray, byte(bt1);ImageGray, byte img2 = new ImageGray, byte(bt2); //使用Emgu cv探测图片特征点 SIFTDetector sift = new SIFTDetector();var f1 = sift.DetectFeatures(img1, null);var f2 = sift.DetectFeatures(img2, null); 到此已经获得了两???相片的特征点f1,f2,接下来就是将相互匹配的特征点相连： for (int i = 0; i f1.Length; i++)? ? ? ? ? ? {? ? ? ? ? ? ? ? double[] dist = new double[f2.Length];? ? ? ? ? ? ? ? int n = 0;? ? ? ? ? ? ? ? int index = 0;? ? ? ? ? ? ? ? for (int j = 0; j f2.Length; j++)? ? ? ? ? ? ? ? { ? ? ? ? ? ? ? ? ? ? //计算待比较特征点描述子的欧式距离? ? ? ? ? ? ? ? ? ? dist[n++] = diedai(f1[i].Descriptor, f2[j].Descriptor);? ? ? ? ? ? ? ? } ? ? ? ? ? ? ? ? //排序，获得欧式距离最近点以及次近点? ? ? ? ? ? ? ? for (int k = 0; k 2; k++)? ? ? ? ? ? ? ? {? ? ? ? ? ? ? ? ? ? for (int k1 = k+1; k1 dist.Length; k1++)? ? ? ? ? ? ? ? ? ? {? ? ? ? ? ? ? ? ? ? ? ? if (dist[k] dist[k1])? ? ? ? ? ? ? ? ? ? ? ? {? ? ? ? ? ? ? ? ? ? ? ? ? ? double temp = dist[k];? ? ? ? ? ? ? ? ? ? ? ? ? ? dist[k] = dist[k1];? ? ? ? ? ? ? ? ? ? ? ? ? ? dist[k1] = temp; ? ? ? ? ? ? ? ? ? ? ? ? ? ? //记录最近点在相