FAST检测角点+SIFT特征描述符描述角点MATLAB

FAST算法原理：若某像素与其周围邻域内足够多的像素点相差较大，则该点可能是角点。用FAST算法检测角点，代替差分高斯金字塔取极值检测角点的方法，速度块；接着用SIFT特征描述符描述角点，省略尺度空间值，只用原图像中角点邻域的梯度值和方向计算角点主方向，接着计算32个方向向量来描述角点。之和可用于特征点匹配。

%sift算法的描述符
%计算主方向
%在特征点的一个区域内计算梯度直方图（分36个角度）
%特征描述是32维
function [desc  locs ]=features_description（fim_features）
f = mat2gray（rgb2gray（im2double（f）））;
g = gaussian_filter（ 1.5 * 2 ）; % 9 
zero_pad = ceil（ length（g） / 2 ）; % 5
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 1）计算梯度方向和幅值
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
fprintf（ ‘Computing gradient magnitude and orientation...\n‘ ）;
tic;
  diff_x = 0.5*（f（2:（end-1）3:（end））-f（2:（end-1）1:（end-2）））;    %L（x+1y）-L（x-1y）
  diff_y = 0.5*（f（3:（end）2:（end-1））-f（1:（end-2）2:（end-1）））;      %L（xy+1）-L（xy-1）
  mag = zeros（size（f））;      
  mag（2:（end-1）2:（end-1）） = sqrt（ diff_x .^ 2 + diff_y .^ 2 ）;%梯度幅值
  mag_pad = zeros（size（mag）+2*zero_pad）;
  mag_pad（（zero_pad+1）:（end-zero_pad）（zero_pad+1）:（end-zero_pad）） = mag;      
  
  grad = zeros（size（f））; 
  grad（2:（end-1）2:（end-1）） = atan2（ diff_y diff_x ）;   %梯度方向
  grad（grad == pi） = -pi;
  grad_pad = zeros（size（grad）+2*zero_pad）;
  grad_pad（（zero_pad+1）:（end-zero_pad）（zero_pad+1）:（end-zero_pad）） = grad;
  clear mag grad
grad_time = toc;
fprintf（ ‘Gradient calculation time %.2f seconds.\n‘ grad_time ）;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 2）确定特征点的主方向：将特征点周围邻域的梯度方向列直方图（36个方向），寻找极大值，同时超过极大值80%的方向为辅方向
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
fprintf（ ‘Assigining keypoint orientations...\n‘ ）;
num_bins = 36;
hist_step = 2*pi/num_bins; % 10“c
hist_orient = [-pi:hist_step:（pi-hist_step）];% -180:10:170
pos = [];        % 初始化关键点的位置、方向及尺度信息
orient = [];
scale = [];
tic;
    keypoint_count = 0;
    % 构造高斯加权掩膜
    g = gaussian_filter（ 1.5 * 2 ）; % sigma=3 n=5
    hf_sz = floor（length（g）/2）;% 取比length（g）/2小的最大整数
    g = g‘*g;      
    loc_pad = zeros（size（f）+2*zero_pad）; 
    loc_pad（（zero_pad+1）:（end-zero_pad）（zero_pad+1）:（end-zero_pad）） = im_features;
    [iy ix]=find（loc_pad==1）;  %ix是图像的行，iy是图像的列
    for k = 1:length（iy）
         x = ix（k）;
         y = iy（k）;
         wght = g.*mag_pad（（y-hf_sz）:（y+hf_sz）（x-hf_sz）:（x+hf_sz））;%加权极值点的邻域，length（g）Xlength（g）
         grad_window = grad_pad（（y-hf_sz）:（y+hf_sz）（x-hf_sz）:（x+hf_sz））;% 选取邻域的角度
         orient_hist=zeros（length（hist_orient）1）;% 36X1
         for bin=1:length（hist_orient）% 1 : 36
            diff = mod（ grad_window - hist_orient（bin） + pi 2*pi ） - pi; 
             %绝对值小于10度；或大于10度
            orient_hist（bin）=orient_hist（bin）+sum（sum（wght.*max（1 - abs（diff）/hist_step0）））; 
         end
         % 用非极大值抑制法找到直方图的极值
         peaks = orient_hist;     
         rot_right = [ peaks（end）; peaks（1:end-1） ]; % 1-D array with 36 elements
         rot_left = [ peaks（2:end）; peaks（1） ];  % 1-D array with 36 elements
         peaks（peaks < rot_right） = 0;
         peaks（peaks < rot_left） = 0;
       

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       8444  2017-09-05 10:49  fast+sift\features_description.m

     文件       2468  2017-09-05 10:36  fast+sift\features_get.m

     文件        259  2017-08-24 09:21  fast+sift\gaussian_filter.m

     文件      37568  2017-07-17 18:02  fast+sift\haibao.jpg

     文件       1872  2017-09-05 09:12  fast+sift\showkeys.m

     文件         90  2017-09-05 10:51  fast+sift\test.m

     目录          0  2017-09-05 11:05  fast+sift

----------- ---------  ---------- -----  ----

                50701                    7