说明:SIFT特征点检测监测方法。具有对于图像平移、旋转和尺度变化不变性的优点,成为近十年来最流行的图像特征点检测方法,被广泛用于图像匹配、物体识别、分类等领域。本算法对图像预处理阶段的图像增强算法进行了改进,去除了原本的直方图均衡化图像增强算法,使得图像拼接时间缩短了近一倍,且图像拼接效果依旧良好
说明:SURF算法,是SIFT的升级版,速度更快,性能也不差,快速实现图像特征点的检测和匹配。
说明:这个包里面包括了SIFT特征点检测及匹配的Matlab代码,不是那种编译好的exe文件,对于该算法的理解有一定的帮助,另外包含一些测试的图片,有小图和大图,测试大图的时候速度可能有些慢,还有待进一步的优化。不过对于算法学习绰绰有余了。
说明:首先进行角点检测,利用sift进行特征提取,找到关键点进行匹配,最后利用SVD算法,利用RANSAC进行提纯,以实现图像的拼接。
说明:基于特征点的全自动无缝图像拼接方法 利用SIFT和RANSAC还有Homography的相关知识编写的一个简单的图片拼贴程序。 1.用SIFT算法得到很多对应点,其中一部分是错误对应点。 2.利用RANSAC方法得到鲁棒的单应矩阵:任取4对点得到单应矩阵H(图2到图1)...