圖片SIFT特征匹配處理

1.SIFT特征原理描述

SIFT的全稱是Scale Invariant Feature Transform，由加拿大教授David G.Lowe提出的。SIFT特征不只具有尺度不變性，即使改變旋轉角度，圖像亮度或拍攝視角，仍然能夠得到好的檢測效果，是一種非常穩定的局部特征。

總體來說，Sift算子具有以下特性：

（1）Sift特征是圖像的局部特征，對平移、旋轉、尺度縮放、亮度變化、遮擋和噪聲等具有良好的不變性，對視覺變化、仿射變換也保持一定程度的穩定性。

（2）獨特性好，信息量豐富，適用於在海量特征數據庫中進行快速、准確的匹配。

（3）多量性，即使少數的幾個物體也可以產生大量Sift特征向量。

（4）速度相對較快，經優化的Sift匹配算法甚至可以達到實時的要求。

（5）可擴展性強，可以很方便的與其他形式的特征向量進行聯合。

Sift算法的步驟可歸納為以下三點：

（1）提取關鍵點；

（2）對關鍵點附加詳細的信息（局部特征）也就是所謂的描述器；

（3）通過兩方特征點（附帶上特征向量的關鍵點）的兩兩比較找出相互匹配的若干對特征點，也就建立了景物間的對應關系。提取關鍵點和對關鍵點附加詳細的信息（局部特征）也就是所謂的描述器可以稱做是Sift特征的生成，即從多幅圖像中提取對尺度縮放、旋轉、亮度變化無關的特征向量。

 

SIFT的特點主要有以下幾個：

1. 旋轉、縮放、平移不變性
2. 解決圖像仿射變換，投影變換的關鍵的匹配
3. 光照影響小
4. 目標遮擋影響小
5. 噪聲景物影響小

 

2、對兩張圖片進行SIFT特征匹配處理

運行代碼如下圖：

運行結果如下圖：

 

(1)首先第一次運行之后顯示pil出現問題，之后我重新在anconda中重新安裝了pil庫（這個問題我忘記截圖了！）這個問題就解決了。

(2)計算關鍵點描述符時;如果未找到關鍵點，可以使用函數sift.detectAndCompute()直接找到關鍵點並計算。

(3)運行中還遇到一個問題，是有關pcv的問題：

 

這個問題意思是沒有找到一個名為pcv的庫，說明pcv安裝出現問題，於是，我重新跟着安裝了pcv，這個問題也解決了，安裝鏈接：https://github.com/jesolem/PCV，步驟如下：

將下載的文件解壓；
打開cmd，執行如下指令： 
cd C:\Users\Administrator\Desktop\PCV 
python  setup.py install
在pycharm中輸入import PCV，測試是否安裝成功。

（4）我本次實驗沒有在python3.6完成，我運行python3.6會出現這個問題：

 

所以我在anconda中其他平台運行完成。

 

 

3、對從不同視點拍攝的圖片做地理標記