最近老師給我一個課題方向，要求研究特征提取的方法，找到提取出來的特征精度最高，這里的最高是指在多幀運動變化圖片里應用此算法都能找到固定位置的特征，而且這個特征不限，可以是邊緣、角點或區域塊等，然后根據不同特征、其運動變化及圖像成像質量提供不同的算法，以達到最優。這個方向剛開始的確十分頭大，完全不知道從什么著手，是邊緣提取算法呢？還是先作目標分割，大概想一兩天，決定先從特征點(包括角點)提取算法做起，先找到在特征點算法里非常優秀的，然后結合各種背景(噪聲，運動變化)測試其變化。

這里主要的思路來自于一個仿射不變特征提取方法的檢測：http://www.robots.ox.ac.uk/~vgg/research/affine/

這個網站上面主要提供了一個仿射不變特征提取方法的評估，它提供了八組圖片，分別從噪聲、模糊、視點變化、縮放、旋轉、亮度變化來評估其仿射不變特征提取方法的效果。不過它主要是對相似區域進行提取，涉及到橢圓區域的仿射變換，而我主要進行點特征點提取的評估，要稍微簡單點，當然也借鑒了其代碼(這里面只有評估代碼，沒有特征提取算法的代碼，不過提供了一系列算法的執行文件)

我首先要測試的sift算法對視點變化的評估，從上面的網站里下載了幾個圖片【img1.ppm、img2.ppm】、變化矩陣【H1to2p】及特征點提取文件【img1.haraff.sift】，我主要從特征向量匹配程度和實際匹配的位置進行比較。我的代碼如下：

function [matchFeaIndex, matchFeaRatio,matchLocal1]=matchPointFea(file1,file2,H,image1,image2)

% 主要用特征點匹配效果測試：

% 用法：[matchFeaIndex, matchFeaRatio,matchLocal1]=matchPointFea('img1.haraff.sift','img2.haraff.sift','H1to2p','img1.ppm','img2.ppm');

% 輸入:

% file1 - 圖像1特征點檢測文件

% file2 - 圖像2特征點檢測文件

% H - 圖像1到圖像2的仿射變換矩陣

% image1 - 圖像1

% image2 - 圖像2

% 輸出:

% matchFeaIndex - 保存圖像1中同圖像2匹配的特征點在file2中的標號，若不匹配則為0。

% matchFeaRatio - 對應于matchIndex，保存特征點匹配程度，不匹配則為0。

% matchLocal1 - 保存圖像2中特征點位置同經過仿射變換1之間的位置差別

% matchLocal2 - 保存圖像1中特征點位置同經過仿射變換2之間的位置差別(保留)

% 特征點檢測文件格式：

% file1, file2:

% x1 y1 a1 b1 c1 c2 c3 ...

% x2 y2 a2 b2 c1 c2 c3 ...

%---------------------

% 第一行 保存描述子數目及大小

% x, y - 特征點位置

% a, b - 特征點大小及方向(主要針對于sift變換)

% d1 d2 d3 ... - 特征描述子向量(如果小于，則無效)

close all;

% loc存放位置及大小角度，des存放特征描述子向量,dimdesc存放描述子大小及數目

[des1, loc1, dimdesc1]=loadFeatures(file1);

[des2, loc2, dimdesc2]=loadFeatures(file2);

% 導入圖像

Im1=imread(image1);

Im2=imread(image2);

% 導入仿射矩陣文件

H=load(H);

fprintf(1,'numbers and length of descriptor in file1 %d %d\n',dimdesc1(1),dimdesc1(2));

fprintf(1,'numbers and length of descriptor in file2 %d %d\n',dimdesc2(1),dimdesc2(2));

if dimdesc1(2)>1 && dimdesc1(2)==dimdesc2(2)

fprintf(1,'%s, %s look like files with descriptors...\n',file1,file2);

else

error('Different descriptor dimension in %s or %s files.',file1,file2);

end

% 計算兩個特征向量的匹配程度可以通過向量空間余弦相似度來衡量.

% 設置比值distRatio，保證所匹配的特征點具有顯著相似度，即與第二相似度有較大差異.

distRatio = 0.6;

% 在圖像2中找到圖像1中每一個匹配點.

des2t = des2'; % 轉置

desNum = dimdesc1(1); % 圖像1特征點個數

matchFeaIndex=zeros(desNum,1);

matchFeaRatio=zeros(desNum,1);

matchNum=0;

for i = 1 : desNum

dotprods = des1(i,:) * des2t; % 計算乘積項

[vals,indx] = sort(acos(dotprods)); % 排序余弦相似度

% 找到最大余弦相似度.

if (vals(1) < distRatio * vals(2))

matchFeaIndex(i) = indx(1);

matchFeaRatio(i) = vals(1);

matchNum=matchNum+1;

else

matchFeaIndex(i) = 0;

end

end

fprintf(1,'numbers of match descriptor is %d \n',matchNum);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 確定圖像1中特征點變換到圖像2中的位置，及圖像2變換到圖像1中的位置

% 要進行仿射變換測試，要求圖像1和2必須大小相同

if size(Im1)==size(Im2)

HI=H(:, 1:3); %圖1到圖2

H=inv(HI); %圖2到圖1

fprintf(1,'Projecting 1 to 2...\n');

loc1t=projectPoints(loc1',HI);

loc1t=loc1t';

fprintf(1,'and 2 to 1...\n');

loc2t=projectPoints(loc2',H);

loc2t=loc2t';

ImageSize=size(Im1);

matchLocal1=matchLocal(loc1t,loc2,ImageSize,matchFeaIndex);

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 畫圖

% showkeys(image1,loc1); % 特征點顯示

% showkeys(image2,loc2);

% 顯示匹配圖像過程

Im=appendimages(Im1,Im2);

% Show a figure with lines joining the accepted matches.

figure('Position', [0 0 size(Im,2) size(Im,1)]);

colormap('gray');

imagesc(Im);

hold on;

cols1 = size(Im1,2);

for i = 1: size(des1,1)

if (matchFeaIndex(i) > 0 && matchLocal1(i)<5)

line([loc1(i,1) loc2(matchFeaIndex(i),1)+cols1], ...

[loc1(i,2) loc2(matchFeaIndex(i),2)], 'Color', 'c'); %畫對應線條

plot(loc1(i,1),loc1(i,2),'r.'); %畫特征點

plot(loc2(matchFeaIndex(i),1)+cols1,loc2(matchFeaIndex(i),2),'g.'); %畫特征點

end

end

hold off;

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 點的投影運算

function loct=projectPoints(loc,H)

num=size(loc(1)); %特征點數目

loct=loc;

for i=1:num

l1=[loc(i,1),loc(i,2),1];

l1_2=H*l1';

l1_2=l1_2/l1_2(3);

loct(i,1)=l1_2(1);

loct(i,2)=l1_2(2);

end

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 加載描述子文件

function [des, loc, dimdes]=loadFeatures(file)

fid = fopen(file, 'r');

[dimdes, count]=fscanf(fid, '%d %d',[1 2]);

if count ~= 2

error('Invalid keypoint file beginning.');

end

num = dimdes(1); %描述子數目

len = dimdes(2); %描述子長度

loc = double(zeros(num, 4));

des = double(zeros(num, len));

% 將描述子導入向量

for i = 1:num

[vector, count] = fscanf(fid, '%f %f %f %f', [1 len+5]); %row col scale ori

if count ~= (5+len)

error('Invalid keypoint file format');

end

loc(i, :) = vector(1, 1:4);

descrip(1, :) = vector(1, 6:len+5);

descrip = descrip / sqrt(sum(descrip.^2));

des(i, :) = descrip(1, :);

end

fclose(fid);

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 計算實際特征匹配的偏差位置

function matchLoc=matchLocal(loct,loc,ImageSize,matchFeaIndex)

matchLoc=ones(size(matchFeaIndex));

for i=1:size(loct)

if matchFeaIndex(i)~=0 %找到匹配的點

%注意仿射變換，位置可能超過圖像范圍

if loct(i,1)>0&&loct(i,1)0&&loct(i,2)

&&loc(matchFeaIndex(i),1)>0&&loc(matchFeaIndex(i),1)0&&loc(matchFeaIndex(i),2)

matchLoc(i)=(loct(i,1)-loc(matchFeaIndex(i),1))^2+(loct(i,2)-loc(matchFeaIndex(i),2))^2;

matchLoc(i)=sqrt(matchLoc(i)); %這個偏差即是歐氏距離

end

end

end

matchLoc=100.*matchLoc./max(matchLoc); %計算百分比

end

最后效果圖，這里我稍微減少了匹配的特征點個數(原本匹配的點有300多個>_

總結

以上是生活随笔為你收集整理的matlab特征点数量,特征点检测效果评估（matlab代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。