【火爐煉AI】機器學習049-提取影象的SIFT特徵點
(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 )
影象中的特徵點，就是某一幅影象區別於其他影象的關鍵點位，在進行這些關鍵點位的檢測時，我們要考慮幾個問題，即1，不管怎麼旋轉目標，要保持目標的特徵點不變（即旋轉不變性），2，不管這個目標是變大還是變小，其特徵點也要保持不變（即尺度不變性），還有比如要求光照不變性等等。
目前對於特徵點位的描述有很多種方法和運算元，常見的有SIFT特徵描述運算元、SURF特徵描述運算元、ORB特徵描述運算元、HOG特徵描述、LBP特徵描述以及Harr特徵描述。關於這幾種運算元和特徵描述的區別，可以參考博文： ofollow,noindex">影象特徵檢測描述(一):SIFT、SURF、ORB、HOG、LBP特徵的原理概述及OpenCV程式碼實現
SIFT特徵點，即尺度不變特徵變換（Scale-invariant feature transform，SIFT），是用於影象處理領域的一種描述。SIFT特徵點在影象處理和計算機視覺領域有著很重要的作用。
SIFT特徵點具有很多優點：
1.SIFT特徵是影象的區域性特徵，其對旋轉、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩定性；
2.區分性好，資訊量豐富，適用於在海量特徵資料庫中進行快速、準確的匹配；
3.多量性，即使少數的幾個物體也可以產生大量的SIFT特徵向量；
4.高速性，經優化的SIFT匹配演算法甚至可以達到實時的要求；
5.可擴充套件性，可以很方便的與其他形式的特徵向量進行聯合。
對SIFT特徵點的提取主要包括以下四個步驟：
1.尺度空間極值檢測：搜尋所有尺度上的影象位置。通過高斯微分函式來識別潛在的對於尺度和旋轉不變的興趣點。
2.關鍵點定位：在每個候選的位置上，通過一個擬合精細的模型來確定位置和尺度。關鍵點的選擇依據於它們的穩定程度。
3.方向確定：基於影象區域性的梯度方向，分配給每個關鍵點位置一個或多個方向。所有後面的對影象資料的操作都相對於關鍵點的方向、尺度和位置進行變換，從而提供對於這些變換的不變性。
4.關鍵點描述：在每個關鍵點周圍的鄰域內，在選定的尺度上測量影象區域性的梯度。這些梯度被變換成一種表示，這種表示允許比較大的區域性形狀的變形和光照變化。
關於SIFT的數學推導和具體含義，可以參考這篇博文：SIFT特徵詳解
1. 提取SIFT特徵點
1.1 安裝opencv-contrib-python模組
一般我們使用的是opencv-python模組，但是這個模組中沒有xfeatures2d這個方法，因為SIFT演算法已經被申請專利，故而從opencv-python中剔除了。
關於這個模組的安裝，網上有很多個版本，我也踩了好幾個坑，最後發現下面的方法是可用的，先解除安裝原先的opencv-python模組（如果原先的opencv-python模組的版本號是3.4.2.16，則不需要解除安裝）。然後安裝3.4.2.16這個版本的opencv-python和 opencv-contrib-python即可。
安裝方法：
pip install opencv-python==3.4.2.16
pip install opencv-contrib-python==3.4.2.16
1.2 提取SIFT特徵點
首先構建SIFT特徵點檢測器物件，然後用這個檢測器物件來檢測灰度圖中的特徵點
sift = cv2.xfeatures2d.SIFT_create() # 構建SIFT特徵點檢測器物件 keypoints = sift.detect(gray, None) # 用SIFT特徵點檢測器物件檢測灰度圖中的特徵點 複製程式碼
# 將keypoints繪製到原圖中
img_sift = np.copy(img)
cv2.drawKeypoints(img, keypoints, img_sift, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
# 顯示繪製有特徵點的影象
plt.figure(12,figsize=(15,30))
plt.subplot(121)
img_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.title('Raw Img')
plt.subplot(122)
img_sift_rgb=cv2.cvtColor(img_sift,cv2.COLOR_BGR2RGB)
plt.imshow(img_sift_rgb)
plt.title('Img with SIFT features')
複製程式碼
########################小**********結###############################
1, SIFT特徵點的提取只需要使用cv2.xfeatures2d.SIFT_create().detect()函式即可，但是要事先安裝opencv-contrib-python模組。
#################################################################
注：本部分程式碼已經全部上傳到（ 我的github ）上，歡迎下載。
參考資料:
1, Python機器學習經典例項，Prateek Joshi著，陶俊傑，陳小莉譯