SIFT matlab源代碼解析

sift是目前常用的local feature的描述子。sift特徵匹配算法可以處理兩幅圖像之間發生一些平移、旋轉、仿射等匹配問題。因爲早前自己要做一個圖像拼接的問題，所以用到了sift。寫這篇blog，是因爲自己準備向CV進軍，開始着手寫blog來積累知識，這也是我第一篇blog，雖然這篇blog很簡陋，純屬向sift致敬，但也方便一些初學者使用吧。以後也會不定期對自己的一些在CV的見解進行發表，希望能通過這個和大家相互討論。如果您想對其原理有個透徹的理解，可以參考下面這篇blog，博主寫的非常詳盡 —— [ sift算法詳解 ]

代碼分析

首先，你可以從David Lowe的個人網站http://www.cs.ubc.ca/~lowe/keypoints/” target = “-blank”>[website]找到代碼的Version4，download後可以得到有4個m函數，主要看match.m，我對其進行了中文註解：

    % num = match(image1, image2)
    %
    % This function reads two images, finds their SIFT features, and
    %   displays lines connecting the matched keypoints.  A match is accepted
    %   only if its distance is less than distRatio times the distance to the
    %   second closest match.
    % It returns the number of matches displayed.
    %
    % Example: match('scene.pgm','book.pgm');
    % 上面是英文註解，大概意思就是這個函數是找出兩幅圖能匹配的特徵點的個數
    % 你可以在該目錄下輸入：match('scene.pgm','book.pgm');
    % 便可以得到該文件夾下的兩個圖像匹配點有多少對。
    function num = match(image1, image2)

    % Find SIFT keypoints for each image
    % 下面兩條語句就是找兩個圖像的sift特徵點，其中對於image1而言
    % im1爲灰度圖像，des1爲128維向量，loc1是位置信息
    [im1, des1, loc1] = sift(image1);
    [im2, des2, loc2] = sift(image2);

    % 這個值非常重要，在這裏你可以簡單理解爲它是匹配的一個閾值
    % 或者這樣說，distRatio值越大，能匹配的點越多,當然錯匹配點也越多
    % 你可以試一下把distRatio改爲1時看會怎樣
    distRatio = 0.6;   

    % For each descriptor in the first image, select its match to second image.
    % 每一層循環就是把image1的每個特徵點的128維向量與image2所有向量做一個內積，
    % 對所求得到的數求反cos值並且升序排序後，當前兩個值之間的大小差距在由distRatio確定的範圍內
    % 則image1的這個特徵點在image2中有對應的匹配點，match(i)賦值爲1
    % 因爲sort會保留下標自然也就找到這個匹配點的座標
    des2t = des2';                          % Precompute matrix transpose
    for i = 1 : size(des1,1)
       dotprods = des1(i,:) * des2t;        % Computes vector of dot products
       [vals,indx] = sort(acos(dotprods));  % Take inverse cosine and sort results

       % Check if nearest neighbor has angle less than distRatio times 2nd.
       if (vals(1) < distRatio * vals(2))
          match(i) = indx(1);
       else
          match(i) = 0;
       end
    end


    % Create a new image showing the two images side by side.
    % appendimages就是把兩張圖像在一個figure中一塊顯示出來，沒什麼好解釋
    im3 = appendimages(im1,im2);

    % Show a figure with lines joining the accepted matches.
    figure('Position', [100 100 size(im3,2) size(im3,1)]);
    colormap('gray');
    imagesc(im3);
    hold on;
    cols1 = size(im1,2);

    % 以下語句就是在匹配的兩點之間畫條線
    for i = 1: size(des1,1)
      if (match(i) > 0)
        line([loc1(i,2) loc2(match(i),2)+cols1], ...
             [loc1(i,1) loc2(match(i),1)], 'Color', 'c');
      end
    end
    hold off;
    num = sum(match > 0);
    fprintf('Found %d matches.\n', num);

你可以在command window中輸入： match(‘scene.pgm’,’book.pgm’);
便可以得到下圖：

sift.m因爲主要的求解方式被C混編了，所以看不到，所以只給出該函數返回的參數:
% image:灰度圖像
% descriptors：對特徵點進行描述的128維向量
% locs：是一個4維向量組，前兩維爲特徵點的座標，第三維是尺度，第四維爲方向，詳細可以看showkeys.m

% showkeys(image, locs)
%
% This function displays an image with SIFT keypoints overlayed.
%   Input parameters:
%     image: the file name for the image (grayscale)
%     locs: matrix in which each row gives a keypoint location (row,
%           column, scale, orientation)

% 該函數是對提取出來的sift特徵點在圖像上進行一個顯示
% 你可以在command window中先輸入[image,descritors,locs] = sift('image's path');
% showkeys(image,locs);
% 如果你的圖像是彩色的，則可以再進行一次讀入
% img = imread('image's path');
% showkeys(image,locs);
function showkeys(image, locs)

disp('Drawing SIFT keypoints ...');

% Draw image with keypoints
% 下面這是對出來的figure進行一些參數輸入，這個不重要
figure('Position', [50 50 size(image,2) size(image,1)]);
colormap('gray');
imagesc(image);
hold on;
imsize = size(image);
% 畫出每一個座標，還記得前面說的locs是四維向量，前兩個是橫縱座標，
% 第三個是尺度，第四個是方向，ok，那麼就可以畫出來了喲。
for i = 1: size(locs,1)
    % Draw an arrow, each line transformed according to keypoint parameters.
    % 這裏的Transform函數在後面定義，知道爲什麼一個點要畫三次麼，
    % 因爲它要畫一個箭頭,即------>這樣是需要畫3條線
    TransformLine(imsize, locs(i,:), 0.0, 0.0, 1.0, 0.0);
    TransformLine(imsize, locs(i,:), 0.85, 0.1, 1.0, 0.0);
    TransformLine(imsize, locs(i,:), 0.85, -0.1, 1.0, 0.0);
end
hold off;


% ------ Subroutine: TransformLine -------
% Draw the given line in the image, but first translate, rotate, and
% scale according to the keypoint parameters.
%
% Parameters:
%   Arrays:
%    imsize = [rows columns] of image
%    keypoint = [subpixel_row subpixel_column scale orientation]
%
%   Scalars:
%    x1, y1; begining of vector
%    x2, y2; ending of vector

% 給出的
function TransformLine(imsize, keypoint, x1, y1, x2, y2)

% The scaling of the unit length arrow is set to approximately the radius
%   of the region used to compute the keypoint descriptor.
% 長度放大6倍
len = 6* keypoint(3);

% Rotate the keypoints by 'ori' = keypoint(4)
s = sin(keypoint(4));
c = cos(keypoint(4));

% Apply transform

%畫一條線需要起點和終點，兩個點所以搞出四個座標
r1 = keypoint(1) - len * (c * y1 + s * x1);
c1 = keypoint(2) + len * (- s * y1 + c * x1);
r2 = keypoint(1) - len * (c * y2 + s * x2);
c2 = keypoint(2) + len * (- s * y2 + c * x2);

line([c1 c2], [r1 r2], 'Color', 'c');

給出一張彩色的showkeys的效果：

blending.m就是把兩張圖片在同一個figure中展示，這個就不需要過多解釋了。

第一篇博文，水是水了點，慢慢會改善。希望學習CV的博友多加好友，共同學習。