影象特徵分很多種，例如顏色特徵、紋理特徵、形狀特徵、空間關係特徵等。常用的特徵為sift特徵。
sift（scale-invariantfeaturetransform，sift）
具有以下特性：
（1）對平移、旋轉、伸縮、亮度、遮擋和雜訊等具有良好的不變性，對視覺變化、仿射變換也有一定的穩定性。
（2）即使少數的幾個物體也可以產生大量sift特徵向量。
（3）速度相對較快。
sift特徵思想：
1、檢測極值點；
2、篩選特徵點；
3、為特徵點分配方向值；
4、生成特徵描述子。
介紹三個cv成員：
featuredetector：提取特徵點，
descriptorextractor：提取特徵描述子，
descriptormatcher：描述子匹配。
**：效果圖：
RANSAC用於SIFT特徵匹配
關於ransac 演算法的基本思想，可從網上搜尋找到，這裡只是ransac用於sift特徵匹配篩選時的一些說明。ransac演算法在sift特徵篩選中的主要流程是 1 從樣本集中隨機抽選乙個ransac樣本，即4個匹配點對 2 根據這4個匹配點對計算變換矩陣m 3 根據樣本集，變換矩陣m，和誤差度量...
利用SIFT進行特徵匹配
sift演算法是一種基於尺度空間的演算法。利用sift提取出的特徵點對旋轉 尺度變化 亮度變化具有不變性，對視角變化 仿射變換 雜訊也有一定的穩定性。sift實現特徵的匹配主要包括四個步驟 1 提取特徵點 構建尺度空間 模擬影象的多尺度特徵。經證實，唯一可能的尺度空間核是高斯函式。用l x,y,表示...
opencv 31 SIFT特徵匹配
使用siftfeaturedetector的detect方法檢測特徵存入乙個向量裡 可以使用drawkeypoints在圖中標識出來 使用siftdescriptorextractor的compute方法提取特徵描述符 特徵向量 特徵描述符是乙個矩陣 使用匹配器matcher對描述符進行匹配 匹配結...