Opencv Sift算子特征提取与匹配

SIFT算法的过程实质是在不同尺度空间上查找特征点（关键点），用128维方向向量的方式对特征点进行描述，最后通过对比描述向量实现目标匹配。

概括起来主要有三大步骤：

1、提取关键点；

2、对关键点附加详细的信息（局部特征）也就是所谓的描述器；

3、通过两方特征点（附带上特征向量的关键点）的两两比较找出相互匹配的若干对特征点，建立物体间的对应关系。

Opencv中Sift算子的特征提取是在SiftFeatureDetector类中的detect方法实现的。

特征点描述是在SiftDescriptorExtractor类中的compute方法实现的。

特征点匹配是在BruteForceMatcher类中的match方法实现的。

这其中还用到两个比较有意思的方法：drawKeypoints和drawMatches。以下demo演示Sift的特征提取与匹配的步骤，和这两个方法的用法：

#include "highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/legacy/legacy.hpp"
using namespace cv;
int main(int argc,char *argv[])
{
	Mat image01=imread(argv[1]);
	Mat image02=imread(argv[2]);
	Mat image1,image2;
	GaussianBlur(image01,image1,Size(3,3),0.5);
	GaussianBlur(image02,image2,Size(3,3),0.5);
	//提取特征点
	SiftFeatureDetector siftDetector(30);  //限定提起前15个特征点
	vector<KeyPoint> keyPoint1,keyPoint2;
	siftDetector.detect(image1,keyPoint1);
	siftDetector.detect(image2,keyPoint2);
	//绘制特征点
	drawKeypoints(image1,keyPoint1,image1,Scalar::all(-1),DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	drawKeypoints(image2,keyPoint2,image2,Scalar::all(-1),DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	namedWindow("KeyPoints of image1",0);
	namedWindow("KeyPoints of image2",0);
	imshow("KeyPoints of image1",image1);
	imshow("KeyPoints of image2",image2);
	//特征点描述，为下边的特征点匹配做准备
	SiftDescriptorExtractor siftDescriptor;
	Mat imageDesc1,imageDesc2;
	siftDescriptor.compute(image1,keyPoint1,imageDesc1);
	siftDescriptor.compute(image2,keyPoint2,imageDesc2);
	//特征点匹配并显示匹配结果
	BruteForceMatcher<L2<float>> matcher;
	vector<DMatch> matchePoints;
	matcher.match(imageDesc1,imageDesc2,matchePoints,Mat());
	Mat imageOutput;
	drawMatches(image01,keyPoint1,image02,keyPoint2,matchePoints,imageOutput);
	namedWindow("Mathch Points",0);
	imshow("Mathch Points",imageOutput);
	waitKey();
	return 0;
}

图1中提取到的特征点：

图2中提取到的特征点：

图1和图2中分别有30个特征点，点数的多少可以人为设定。

drawKeypoints方法中第4个参数若设置为Scalar::all(-1)，会绘制随机颜色；

本例中drawKeypoints最后一个参数使用的是DrawMatchesFlags::DRAW_RICH_KEYPOINTS，则会绘制特征点的位置、大小、方向信息。若最后一个参数设置为DrawMatchesFlags::DEFAULT；则只会绘制特征的位置信息，表现出来只是一个点。

匹配结果：

Opencv中使用Sift算子需要加头文件"opencv2/nonfree/nonfree.hpp"，注意这个是非免费的，Sift算法的专利权属于哥伦比亚大学，如果在商业软件中使用，可能有风险。