登录
首页 » 图像处理 » 基于特征点提取的sift算法核心代码

基于特征点提取的sift算法核心代码

于 2022-02-05 发布 文件大小:9.64 kB
0 210
下载积分: 2 下载次数: 1

代码说明:

sift代码主要实现在sift.c这个文件中:首先创建初始图像,即通过将图像转换成为32位的灰度图像,然后将图像进过三次插值放大,之后进行高斯模糊,在此基础上进行高斯金字塔以及高斯差分金字塔的构建,下一步对图像进行特征点检测,计算特征向量的尺度,调整图像大小,计算特征方向,计算二维方向直方图并将其转换成为特征描述子。在输入参数中,img表示输入图像,feat表示提取的特征指针,octvl表示高斯金字塔和高斯差分金字塔的组数,的intvl表示高斯金字塔和高斯差分金字塔的层数,sigma是初始化过程中高斯模糊所使用的参数,contr_thr是归一化之后去除不稳定特征的阈值,curv_thr是去除边缘特征的主曲率阈值,img_dbl是是否将图像放大为之前的两倍,descr_with是计算特征描述子方向的直方图的宽度,descr_hist_bins是直方图中的条数。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 使用 matlab 的迷宫解决方案
    迷宫规划求解使用 matlab.only 中的图像处理提供输入的图像文件,您将得到以下输出
    2023-01-13 06:50:04下载
    积分:1
  • OpenCV 边缘矢量化
    利用OpenCV2.3.1实现对图片轮廓的二值化处理,并调用开源的rec2vec实现轮廓的矢量化!
    2022-07-04 13:10:51下载
    积分:1
  • this other example
    描述(英文):(提示:至少100个字符。请尽你所能详细描述你的项目。更好的内容将为您赢得更多积分);
    2022-01-24 14:11:48下载
    积分:1
  • 在 matlab 环境中读取 Dicom
    X = dicomread(filename) 读取从兼容的数字成像和通信医学 (DICOM) 文件的文件名中的图像数据。对于单个帧灰度图像,X 是一个 N M 的数组。对于单框真彩色图像,X 是 M 的 N 由 3 数组。多帧图像始终是 4 D 阵列。
    2023-01-31 17:25:03下载
    积分:1
  • opencv 滤波
    包括均值滤波,中值滤波,低通滤波。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)} ,其中,f(x,y),g(x,y)分别为原始图像和处理后图像。W为二维模板,通常为3*3,5*5区域,也可以是不同的的形状,如线状,圆形,十字形,圆环形等。
    2023-04-25 11:40:07下载
    积分:1
  • 人脸识别程序
    人脸识别的源代码,亲测可用。采用PCA方法简化特征,然后调用opencv库进行实现。
    2022-12-01 01:15:03下载
    积分:1
  • 视频转转视频 opencv
    该代码为将视频转为图像,再将图像转为视频,使用opencv进行编写,在vs2010配置opencv2.4.8上运行成功,生成的视频名为out.avi,根据代码可以改变其帧率
    2022-07-23 21:04:15下载
    积分:1
  • 光照校正函数opencv
    在拍摄环境中拍摄一张白纸,将这张白纸作为模板,再在相同环境下拍摄想要拍摄的图像,以白纸模板作为参考,对拍摄图像进行校正 #include "stdafx.h" #include #include #include #include #include using namespace std; using namespace cv;
    2022-09-05 04:00:02下载
    积分:1
  • opencv源代码
    其中包括播放avi视频文件,打开摄像头,用摄像头连续拍照并保存,夹在一幅图像,对图像中任意一个象素点数值的读取,打开摄像头录制一段视频并且保存
    2023-01-08 12:45:02下载
    积分:1
  • 视网膜血管切割
    利用均值濾波、形態學運算、canny找邊緣來切割血管,医学图像处理是图像处理领域中的重点与难点问题之一。随着数字图像处理技术的快速发展,借助电子计算机等辅助手段,医学图像的提取方法以及图像质量都得到极大的提高。眼底视网膜图像是人体唯一可以非创伤直接观察的较深层微血管,对视网膜血管的分析研究有助于疾病的精确诊断。然而,由于视网膜血管图像的灰度分布不均匀,目标血管与图像背景的对比度低,再加上图像噪声的污染,使视网膜血管的自动分割非常困难。所以,通过建立眼底视网膜图像的计算机辅助分析系统,对眼底视网膜组织进行定量分析与定性检测,对临床眼科学的病理诊断具有非常重要的意义。本课题在查阅大量数字图像处理的文献基础之上,结合DRIVE眼底视网膜图像数据库模型,通过分析不同图像分割算法的特性,对眼底视网膜血管图像进行了分割实验与对比分析,主要过程如下:1.对视网膜图像预处理。通过分析RGB彩色系统模型,对各通道的视网膜图像进行对比度比较。掌握数字图像处理的基本操作方法
    2023-06-03 16:00:04下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载