圖像拼接： sift 的理解

看了幾天的 sift 也算是對它有一了點的瞭解　這裏描述了我對它的理解！

sift 就是爲了圖像特徵比較作的算法．它主要就是爲了用數學的方法描述：圖像中特定點周圍一塊區域,　從而能夠比較這塊區域與另外一塊區域的差別．

下面是詳細一點講述如何描述這個數學方法:

1. 數據結構:　這個區域在sift中選的是 4*4 也就是16個點或者說區域．而後按8個方向進行直方圖統計．　暈了吧！

　　　　　　　double feature[4][4][8];　其實就是它..... (0,0)-(3,3) 區域內　8個不一樣方向的值累加起來

 

2. 再說它的特性：　位置、尺度以及方向 的不變性 (這個好專業，更暈)

                   解釋一下：　位置不變,就是說，　你不可能把圖像每一點都弄成特徵點，因此你要找一個有表明性的點，而這個點，無論用什麼圖像都要能夠提取出來．

　　　　　　　　　　　　(其實能夠不用，多提一些，總有一些特徵點相同．)　就是說二張圖像有重合部分，你提出的二張重合部分的特徵點要同樣，否則如何比較呢．

　　　　　　　　　　　　　尺度不變：　二張圖像，拍的桌比，有可能大，有可能小，因此你得把這狀況考慮到．作法就是　把圖像多複製幾份，而後放大縮小，這樣就能夠了

                                     方向不變:   就是處理對同一個桌子拍照有可能手一抖，相機拿歪了，　這狀況．　　SIFT 的處理就是選方向(直方圖，最大的 80%方向，可能有不少因此要把這個點複製幾份) ，而後以這個方向作１中所說的特徵提取．

　　　　　　　　　　　　　還有什麼光照不變: 專業講法就是 用那個什麼 DOG金字塔．　講白點，就是用　圖像的梯度圖來作....(什麼是梯度？ 就是 (x1 - x0) + (y1 -y0)  ）看不懂就看下圖像處理基礎吧！　

 

3. 這樣幾個問題就都解決了．若是你想加上什麼仿射變性，也無非就是把圖像的縮放的2*2縮放矢量，變成 3*3圖像變換矢量.

 

我這裏講的簡單，但實際實現仍是有不少細節問題要處理的．好比說什麼 dog　算子對梯度值敏感，爲何要模糊，之類，只要理解了就比較好處理了．不過不理解爲何用高斯模糊，爲了高大上嗎？　理解了就比較好編程了，　再也不用看　opencv 裏面　那高深的源碼．　真心頭暈！