最初的目的是想做全景圖像拼接，一開始找了OpenCV中自帶的全景拼接的樣例，用的是Stitcher類，可以很方便的實現全景拼接，而且效果很好，但是不利于做深入研究。

Stitcher類使用方法請查OpenCV API：http://docs.opencv.org/2.4.4/modules/refman.html，搜索Stitcher

使用OpenCV中自帶的Stitcher類的全景圖像拼接樣例下載：http://download.csdn.net/detail/masikkk/5661075

圖像拼接及源碼下載參見此篇博文：基于SIFT特征的全景圖像拼接

后來想用OpenCV中自帶的SIFT特征檢測器進行特征檢測和拼接，但還是有隔靴搔癢的感覺，接觸不到SIFT算法的本質，

看到網上大多數都是使用RobHess的SIFT源碼，自己也下載了一份進行了分析。

RobHess的SIFT源碼下載地址：http://robwhess.github.io/opensift/

一些SIFT算法和全景拼接測試用圖下載，包含牛津大學網站上提供的測試圖：http://download.csdn.net/detail/masikkk/5702749

一開始也是感覺比較亂，不知道怎么用，接觸了一段時間后比較清晰了，下面說一下RobHess的SIFT源碼中的幾個文件都是做什么用的，方便剛接觸的同學學習。

(1)?imgfeatures.h和imgfeatures.c文件

imgfeatures.h中有SIFT特征點結構struct feature的定義，這個結構很重要，后面都要用到，除此之外還有一些特征點的導入導出以及特征點繪制函數的聲明。

對應的imgfeatures.c文件中是特征點的導入導出以及特征點繪制函數的實現。

?imgfeatures.h和imgfeatures.c的源碼分析在這里：RobHess的SIFT源碼分析：imgfeatures.h和imgfeatures.c文件

里面有特征點結構struct feature的詳細說明。

(2) utils.h和utils.c文件

這兩個文件中是一些圖像基本操作的函數，包括：
1、獲取某位置的像素點
2、設置某位置的像素點（8位，32位和64位），
3、計算兩點之間的距離的平方
4、在圖片某一點畫一個“X”
5、將兩張圖片合成為一個(在特征匹配中用到)，高是二者之和，寬是二者的較大者。

(3) sift.h和sift.c文件

這兩個是最重要的，里面的內容說白了很簡單，就是兩個特征點檢測函數sift_features()和?_sift_features()，

sift_features()是用默認參數進行特征點檢測，?_sift_features()允許用戶輸入各種檢測參數，其實sift_features()中也是再次調用_sift_features()函數。

所以，你只需提供原圖像和存儲特征點的數組以及其他一些檢測參數，然后調用sift_features()或 _sift_features()就可完成SIFT特征點檢測。

但是這兩個文件分析起來也是最復雜的。

sift.h中有默認的各種特征檢測中用到的參數的宏定義，sift.c中是檢測函數的實現，是最核心的一個文件，里面的一些未暴露接口的本地函數就有31個之多。

仔細分析完后發現大神就是大神，程序寫的條理非常清楚，尤其是函數_sift_features()的函數體，從頭到尾的幾部分正好對應SIFT算法的幾個步驟，

把一些細節全部放在子函數中，非常清楚明了。

關于SIFT算法的原理，可以參加下面幾篇文章，寫的都不錯：

小魏的SIFT原理與源碼分析系列文章：【OpenCV】SIFT原理與源碼分析

zddmail的SIFT算法詳解，講的不錯，尤其一些細節講的與眾不同：SIFT算法詳解

Rachel-Zhang的SIFT算法分析：SIFT特征提取分析

July的經典算法研究系列中的SIFT算法分析：經典算法研究系列：九、圖像特征提取與匹配之SIFT算法

以及July的教你一步一步實現SIFT算法：九之再續：教你一步一步用c語言實現sift算法、上

tornadomeet的SIFT算法分析：特征點檢測學習_1(sift算法)

以及這篇博客中的SIFT算法分析：SIFT 特征提取算法總結

還有這篇結合RobHess源碼的SIFT算法分析：SIFT算法研究

還有我覺得講的挺詳細的一篇文章：http://download.csdn.net/detail/masikkk/5661453

或者你也可以直接讀David.Lowe發表的英文原版論文：

David.Lowe1999年發表在ICCV的SIFT論文：http://download.csdn.net/detail/masikkk/5661441

David.Lowe2004年發表在IJCV的SIFT改進論文：http://download.csdn.net/detail/masikkk/5661447

sift.h和sift.c的源碼分析在這里：RobHess的SIFT源碼分析：sift.h和sift.c文件

(4) minpq.h和minpq.c文件

這兩個文件中實現了最小優先級隊列(Minimizing Priority Queue)，也就是小頂堆，在k-d樹的建立和搜索過程中要用到。

(5) kdtree.h和kdtree.c文件

這兩個文件中實現了k-d樹的建立以及用BBF(Best Bin First)算法搜索匹配點的函數。

如果你需要對兩個圖片中的特征點進行匹配，就要用到這兩個文件。

關于k-d樹算法的講解，可參考這篇文章：k-d tree算法

以及這篇：k-d tree算法的研究

還有這篇，里面講解了k-d樹，BBF和RANSAC：SIFT特征點匹配與消除錯配：BBF，RANSAC

以及July的一篇：從K近鄰算法、距離度量談到KD樹、SIFT+BBF算法

kdtree.h和kdtree.c的源碼分析在這里：RobHess的SIFT源碼分析：kdtree.h和kdtree.c文件

(6) xform.h和xform.c文件

這兩個文件中實現了RANSAC算法(RANdom SAmple Consensus 隨機抽樣一致)。

RANSAC算法可用來篩選兩個圖像間的SIFT特征匹配并計算變換矩陣。

你可以單純利用RANSAC算法篩選兩個圖像間的SIFT特征匹配，以得到更好的匹配結果，

見此文：利用RANSAC算法篩選SIFT特征匹配

或者想要進行全景拼接時，利用RANSAC算法計算兩個圖像間的變換矩陣。

關于RANSAC算法的講解，可參考這篇文章：隨機抽樣一致 RANSAC

以及這篇，里面有用RANSAC算法解決線性回歸問題的例子：我的數學之美（一）——RANSAC算法詳解

以及這篇，里面講解了k-d樹，BBF和RANSAC：SIFT特征點匹配與消除錯配：BBF，RANSAC

xform.h和xform.c的源碼分析在這里：RobHess的SIFT源碼分析：xform.h和xform.c文件

(7) 其他文件：dspfeat.c，match.c，siftfeat.c

這幾個文件中是一些使用SIFT算法的小例子：

dspfeat.c文件可以從預先保存的特征點文件中讀取特征點并顯示在圖片上。

match.c文件可以檢測兩個圖像中的特征點并進行匹配。

siftfeat.c文件利用SIFT算法檢測特征點，有一些控制臺操作提示。

from:?http://blog.csdn.net/masibuaa/article/details/9191309

總結

以上是生活随笔為你收集整理的RobHess的SIFT源码分析：综述的全部內容，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。