本文由@星沉閣冰不語出品，轉載請注明作者和出處。

文章鏈接：http://blog.csdn.net/xingchenbingbuyu/article/details/50695399

微博：http://weibo.com/xingchenbing?

SIFT是我本科畢業設計就開始研究的一個算法，也是視覺領域極為經典的一個算法。SIFT算法的實質是在不同的尺度空間上查找關鍵點(特征點)，并計算出關鍵點的方向。SIFT所查找到的關鍵點是一些十分突出，不會因光照，仿射變換和噪音等因素而變化的點，如角點、邊緣點、暗區的亮點及亮區的暗點等。?

Lowe將SIFT算法分解為如下四步：
1. 尺度空間極值檢測：搜索所有尺度上的圖像位置。通過高斯微分函數來識別潛在的對于尺度和旋轉不變的興趣點。
2. 關鍵點定位：在每個候選的位置上，通過一個擬合精細的模型來確定位置和尺度。關鍵點的選擇依據于它們的穩定程度。
3. 方向確定：基于圖像局部的梯度方向，分配給每個關鍵點位置一個或多個方向。所有后面的對圖像數據的操作都相對于關鍵點的方向、尺度和位置進行變換，從而提供對于這些變換的不變性。

4. 關鍵點描述：在每個關鍵點周圍的鄰域內，在選定的尺度上測量圖像局部的梯度。這些梯度被變換成一種表示，這種表示允許比較大的局部形狀的變形和光照變化。

下面就來在Qt中調用Opencv來簡單實現一下吧。

mainwindow.cpp如下：

#include "mainwindow.h" #include "ui_mainwindow.h"MainWindow::MainWindow(QWidget *parent) :QMainWindow(parent),ui(new Ui::MainWindow) {ui->setupUi(this);}MainWindow::~MainWindow() {delete ui; }void MainWindow::on_pushButton_clicked() { //打開一張圖片QString fileName = QFileDialog::getOpenFileName(this,tr("Open Image"),".",tr("Image File(*.png *.jpg *.jpeg *.bmp)"));image1 = cv::imread(fileName.toLatin1().data());if(image1.empty()){cout<<"Please open an image!" <<endl;}else{//把Mat轉換成QImagecv::cvtColor(image1,image1,CV_BGR2RGB);QImage img = QImage((const unsigned char*)(image1.data),image1.cols,image1.rows,QImage::Format_RGB888);//在QLabel中顯示圖片ui->label->setPixmap(QPixmap::fromImage(img));ui->label->resize(ui->label->pixmap()->size());} }void MainWindow::on_pushButton_2_clicked() {QString fileName = QFileDialog::getOpenFileName(this,tr("Open Image"),".",tr("Image File(*.png *.jpg *.jpeg *.bmp)"));image2 = cv::imread(fileName.toLatin1().data());if(image1.empty()){cout<<"Please open an image!" <<endl;}else{cv::cvtColor(image2,image2,CV_BGR2RGB);QImage img2 = QImage((const unsigned char*)(image2.data),image2.cols,image2.rows,QImage::Format_RGB888);ui->label_2->setPixmap(QPixmap::fromImage(img2));ui->label_2->resize(ui->label_2->pixmap()->size());} }void MainWindow::on_pushButton_3_clicked() {if(image1.empty()){cout<<"Please open an image!" <<endl;}else{ //特征點檢測SiftFeatureDetector featureDetector;featureDetector.detect(image1, image1_kp);//畫出特征點drawKeypoints(image1,image1_kp,image1,Scalar(0,255,0),DrawMatchesFlags::DRAW_RICH_KEYPOINTS);QImage img1 = QImage((const unsigned char*)(image1.data),image1.cols,image1.rows,QImage::Format_RGB888);ui->label->setPixmap(QPixmap::fromImage(img1));ui->label->resize(QSize(img1.width(),img1.height()));}if(image2.empty()){cout<<"Please open an image!" <<endl;}else{SiftFeatureDetector featureDetector;featureDetector.detect(image2, image2_kp);drawKeypoints(image2,image2_kp,image2,Scalar(0,255,0),DrawMatchesFlags::DRAW_RICH_KEYPOINTS);QImage img2 = QImage((const unsigned char*)(image2.data),image2.cols,image2.rows,QImage::Format_RGB888);ui->label_2->setPixmap(QPixmap::fromImage(img2));ui->label_2->resize(QSize(img2.width(),img2.height()));}}void MainWindow::on_pushButton_4_clicked() {Mat image1_desc,image2_desc;//特征點提取SiftDescriptorExtractor featureExtractor;featureExtractor.compute(image1, image1_kp, image1_desc);featureExtractor.compute(image2, image2_kp, image2_desc);//FLANN based descriptor matcher objectFlannBasedMatcher matcher;vector<Mat> image1_desc_collection(1, image1_desc);matcher.add(image1_desc_collection);matcher.train();//match image1 and image2 descriptor,getting 2 nearest neighbors for all test descriptorvector<vector<DMatch> > matches;matcher.knnMatch(image2_desc, matches, 2);//filter for good matches according to Lowe's algorithmvector<DMatch> good_matches;for (unsigned int i = 0; i < matches.size(); i++){if (matches[i][0].distance < 0.6*matches[i][1].distance)good_matches.push_back(matches[i][0]);}Mat img_show;drawMatches(image2, image2_kp, image1, image1_kp, good_matches, img_show);QImage img3 = QImage((const unsigned char*)(img_show.data),img_show.cols,img_show.rows,QImage::Format_RGB888);ui->label->setPixmap(QPixmap::fromImage(img3));ui->label->resize(QSize(img3.width(),img3.height()));ui->label_2->hide(); }

這里需要注意的一點是由于圖片在打開的時候已經從BGR轉換到RGB了，最后提取和匹配特征點之后就不需要再轉換了，不然圖片發藍。

最后效果如下：

這里兩邊選擇了同一張照片，所以所有特征點都匹配了。可以換成相似的或者完全不同的照片看看結果。

值得一提的是

SiftFeatureDetector featureDetector;

可以換成

SurfFeatureDetector featureDetector; <pre name="code" class="cpp">OrbFeatureDetector featureDetector;

而

FlannBasedMatcher matcher;可以換成

BFMatcher matcher;//Brute Force based descriptor matcher object更多細節還得自己親自去探索。

本文由@星沉閣冰不語出品，轉載請注明作者和出處。

文章鏈接：http://blog.csdn.net/xingchenbingbuyu/article/details/51375078

微博：http://weibo.com/xingchenbing?

總結

以上是生活随笔為你收集整理的OpenCV实践之路——Qt中用opencv提取和匹配SIFT特征点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。