巴中市万纵网络科技有限公司
首页 | 联系方式 | 加入收藏 | 设为首页 | 手机站

产品目录

联系方式

联系人:业务部
电话: 00126-83979
邮箱:service@q235cwfgg.com

当前位置:首页 >> 新闻中心 >> 正文

SIFT图像特征检测的Python代码实现

字号:
摘要:SIFT图像特征检测的Python代码实现

1.主要内容

利用Python调用VLFeat(官方下载地址)提供的SIFT接口对图像进行特征检测。如果CSDN中图片加载不出来,可移步知乎相关文章:https://zhuanlan.zhihu.com/p/34890676

2.参考资料

主要参考资料为由朱文涛和袁勇翻译的《python 计算机视觉》原书为《ProgrammingComputer Vision with Python》,该书主要内容包括Harris和sift的特征检测、图像到图像的映射、图像聚类、基于BoW的图像检索等。译本作者提供了全书实现的python代码,电子书及代码可在译者袁勇的个人主页中获取,也可由以下百度网盘获取:

链接:https://pan.baidu.com/s/1S2f1nbE6yMkEN6csH2-q1Q 密码:ishr

本文主要针对SIFT特征检测这一部分的代码进行了整理。

3.准备工作

从VLFeat下载的文件的子文件bin中将<vl.dll><vl.lib><sift.exe>三个文件拷贝出来,放到工程文件目录中


例如我的工程文件夹为../sift_python (程序sift.py所在文件夹),将上述三个文件拷贝到sift_python文件夹中。

4.代码

在工程文件中建立sift.py文件,将下述代码依次拷贝到sift.py文件中,在进行过简单的路径修改后即可运行。

以下为具体代码及注释:

4.1 相关库的导入

from PIL import Image
from numpy import *
from pylab import *
import os

4.2 SIFT调用函数的定义

(1) 利用PIL中的convert将图像转为灰度图

在PIL中,对于彩色图像,open后都会转换为“RGB”模式,然后该模式可以转换为其他模式,比如“1”、“L”、“P”和“RGBA”,这几种模式也可以转换为“RGB”模式。模式“RGB”转换为模式“1”以后,像素点变成黑白两种点,要么是0,要么是255。模式“RGB”转换为模式“L”以后,像素值为[0,255]之间的某个数值。模式“RGB”转换为模式“P”以后,像素值为[0,255]之间的某个数值,但它为调色板的索引值,其最终还是彩色图像。此处利用convert('L') 将RGB图像转为灰度值范围为[0,255]的灰度图,并以.pgm格式保存

(2) 利用os.system()函数执行sift.exe文件,SIFT中相应的输入参数如下:


具体代码如下:

def process_image(imagename,resultname,params="--edge-thresh 10 --peak-thresh 5"):
 """ Process an image and save the results in a file. """
 if imagename[-3:] != 'pgm':
 # create a pgm file
 im = Image.open(imagename).convert('L') #.convert('L') 将RGB图像转为灰度模式,灰度值范围[0,255]
 im.save('tmp.pgm') #将灰度值图像信息保存在.pgm文件中
 imagename = 'tmp.pgm'
 
 cmmd = str("E:\code\Sift\sift_python\sift.exe "+imagename+" --output="+resultname+
 " "+params)
 os.system(cmmd) #执行sift可执行程序,生成resultname(test.sift)文件
 print 'processed', imagename, 'to', resultname

4.3 其它函数的定义

def read_features_from_file(filename):
 """ Read feature properties and return in matrix form. """
 
 f = loadtxt(filename)
 return f[:,:4],f[:,4:] # feature locations, descriptors

filename即为生成的test.sift文件,其内部保存格式为:

上面数据的每一行前4 个数值依次表示兴趣点的坐标、尺度和方向角度,后面紧接着的是对应描述符的128 维向量。


def plot_features(im,locs,circle=True):
 """ Show image with features. input: im (image as array), 
 locs (row, col, scale, orientation of each feature). """
 def draw_circle(c,r):
 t = arange(0,1.01,.01)*2*pi
 x = r*cos(t) + c[0]
 y = r*sin(t) + c[1]
 plot(x,y,'b',linewidth=2)
 imshow(im)
 if circle:
 for p in locs:
 draw_circle(p[:2],p[2]) 
 else:
 plot(locs[:,0],locs[:,1],'ob')
 axis('off')

该函数在原始图像上使用蓝色的点绘制出SIFT 特征点的位置。将参数circle 的选项设置为True,该函数将使用draw_circle() 函数绘制出圆圈,圆圈的半径为特征的尺度。

4.4 主函数的定义

imname为待处理照片的路径,此处用的是绝对路径,此处更改为相应处理照片的路径即可:

if __name__ == '__main__':
 imname = ('E:\\code\\Sift\\library.jpg') #待处理图像路径
 im=Image.open(imname)
 process_image(imname,'test.sift')
 l1,d1 = read_features_from_file('test.sift') #l1为兴趣点坐标、尺度和方位角度 l2是对应描述符的128 维向
 figure()
 gray()
 plot_features(im,l1,circle = True)
 title('sift-features')
 show()

5. 运行结果

6.源代码下载

本文所涉及的代码及VLFeat相关文件均可在以下GitHub中获取:

https://github.com/ShawnWXS/SIFT-Python.git