SIFT算法的matlab实现

sift算法由Lowe教授提出，在图像匹配领域有着广泛的应用，本资源包含了sift算法的所有实现，包括尺度金字塔生成，极值点检测，主方向分配，描述子生成，分模块编写，并且是可视化的。

% 下一步是计算特征点的主方向.
% 在特征点的一个区域内计算其梯度直方图
g = gaussian_filter（ 1.5 * absolute_sigma（1intervals+3） / subsample（1） ）;
zero_pad = ceil（ length（g） / 2 ）;


% 计算高斯金字塔图像的梯度方向和幅值
if interactive >= 1
    fprintf（ 2 ‘Computing gradient magnitude and orientation...\n‘ ）;
end
tic;
mag_thresh = zeros（size（gauss_pyr））;
mag_pyr = cell（size（gauss_pyr））;
grad_pyr = cell（size（gauss_pyr））;
for octave = 1:octaves
    for interval = 2:（intervals+1）
        
        % 计算xy的差分
        diff_x = 0.5*（gauss_pyr{octaveinterval}（2:（end-1）3:（end））-gauss_pyr{octaveinterval}（2:（end-1）1:（end-2）））;
        diff_y = 0.5*（gauss_pyr{octaveinterval}（3:（end）2:（end-1））-gauss_pyr{octaveinterval}（1:（end-2）2:（end-1）））;
        
        
        % 计算梯度幅值
        mag = zeros（size（gauss_pyr{octaveinterval}））;
        mag（2:（end-1）2:（end-1）） = sqrt（ diff_x .^ 2 + diff_y .^ 2 ）;
        
        
        % 存储高斯金字塔梯度幅值
        mag_pyr{octaveinterval} = zeros（size（mag）+2*zero_pad）;
        mag_pyr{octaveinterval}（（zero_pad+1）:（end-zero_pad）（zero_pad+1）:（end-zero_pad）） = mag;
        
        
        % 计算梯度方向
        grad = zeros（size（gauss_pyr{octaveinterval}））;
        grad（2:（end-1）2:（end-1）） = atan2（ diff_y diff_x ）;   % [-pipi]
        grad（find（grad == pi）） = -pi;
        
        
        % 存储高斯金字塔梯度方向
        grad_pyr{octaveinterval} = zeros（size（grad）+2*zero_pad）;
        grad_pyr{octaveinterval}（（zero_pad+1）:（end-zero_pad）（zero_pad+1）:（end-zero_pad）） = grad;
    end
end
clear mag grad
grad_time = toc;
if interactive >= 1
    fprintf（ 2 ‘Gradient calculation time %.2f seconds.\n‘ grad_time ）;
end


% 下一步是确定特征点的主方向
% 方法：通过寻找每个关键点的子区域内梯度直方图的峰值（注：每个关键点的主方向可以有不止一个）

% g = gaussian_filter（ 1.5 * absolute_sigma（1intervals+3） / subsample（1） ）;
% zero_pad = ceil（ length（g） / 2 ）;
% 将灰度直方图分为36等分，每隔10度一份
num_bins = 36;
hist_step = 2*pi/num_bins;
hist_orient = [-pi:hist_step:（pi-hist_step）];


% 初始化关键点的位置、方向和尺度信息
pos = [];
orient = [];
scale = [];


% 给关键点确定主方向
if interactive >= 1
    fprintf（ 2 ‘Assigining keypoint orientations...\n‘ ）;
end
tic;
for octave = 1:octaves
    if interactive >= 1
        fprintf（ 2 ‘\tProcessing octave %d\n‘ octave ）;
    end
    for interval = 2:（intervals + 1）
        if interactive >= 1
            fprintf（ 2 ‘\t\tProcessing interval %d ‘ interval ）;
        end
        keypoint_count = 0;  

        % 构造高斯加权掩模
        g = gaussian_filter（ 1.5 * absolute_sigma（octaveinterval）/subsample（octave） ）;
        hf_sz = floor（length（g）/2）;
        g = g‘*g;
        
        
        loc_pad = zeros（size（loc{octaveinterval}）+2*zero_pad）;
        loc_pad（（zero_pad+1）:（end-zero_pad）（zero_pad+1）:（end-zero_pad）） = loc{octaveinterval};
        
        
        [iy ix]=find（loc_pad==1）;
        for k = 1:length（iy）
            
            x = ix（k）;
            y = iy（k）;
            % % 对其值进行高斯平滑
            wght = g.*mag_pyr{octaveinterval}（（y-hf

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

     文件       6283  2017-05-08 12:21  sift\assign_consistent_orientation.m

     文件       2646  2017-05-08 12:24  sift\display_keypoints.m

     文件       5749  2017-05-18 16:06  sift\DOG_pyramid.m

     文件       8509  2017-05-06 21:48  sift\Extreme_point_detection.m

     文件        257  2017-05-07 20:41  sift\gaussian_filter.m

     文件       4259  2017-05-10 22:22  sift\represent_descriptor.m

     目录          0  2017-12-04 15:13  sift

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

                27703                    7