1、SURF算法是SIFT算法的加速版，opencv的SURF算法在適中的 條件下完成兩幅圖像中物體的匹配基本實現(xiàn)了實時處理 其快速的基 礎(chǔ)實際上只有一個一一積分圖像haar求導(dǎo)，對于它們其他方面的不 同可以參考本blog的另外一篇關(guān)于SIFT的文章。不論科研還是應(yīng)用上都希望可以和人類的視覺一樣通過程序自動 找出兩幅圖像里面相同的景物，并且建立它們之間的對應(yīng)，前幾年才 被提出的SIFT （尺度不變特征）算法提供了一種解決方法，通過這 個算法可以使得滿足一定條件下兩幅圖像中相同景物的某些點（后面 提到的關(guān)鍵點）可以匹配起來，為什么不是每一點都匹配呢？下面的 論述將會提到。SIFT算法實現(xiàn)物體識別主要

2、有三大工序，1、提取關(guān)鍵點；2、對 關(guān)鍵點附加詳細(xì)的信息（局部特征）也就是所謂的描述器；3、通過 兩方特征點（附帶上特征向量的關(guān)鍵點）的兩兩比較找出相互匹配的 若干對特征點，也就建立了景物間的對應(yīng)關(guān)系。日常的應(yīng)用中，多數(shù)情況是給出一幅包含物體的參考圖像，然后 在另外一幅同樣含有該物體的圖像中實現(xiàn)它們的匹配3兩幅圖像中的 物體一般只是旋轉(zhuǎn)和縮放的關(guān)系，加上圖像的亮度及對比度的不同， 這些就是最常見的情形。基于這些條件下要實現(xiàn)物體之間的匹配， SIFT算法的先驅(qū)及其發(fā)明者想到只要找到多于三對物體間的匹配點 就可以通過射影幾何的理論建立它們的一一對應(yīng) 首先在形狀上物體 既有旋轉(zhuǎn)又有縮小放大的變化如何

3、找到這樣的對應(yīng)點呢？于是他們的想法是首先找到圖像中的一些“穩(wěn)定點”，這些點是一些十分突出的 點不會因光照條件的改變而消失，比如角點、邊緣點、暗區(qū)域的亮點 以及亮區(qū)域的暗點，既然兩幅圖像中有相同的景物，那么使用某種方 法分別提取各自的穩(wěn)定點，這些點之間會有相互對應(yīng)的匹配點，正是 基于這樣合理的假設(shè)，SIFT算法的基礎(chǔ)是穩(wěn)定點。SIFT算法找穩(wěn)定 點的方法是找灰度圖的局部最值，由于數(shù)字圖像是離散的，想求導(dǎo)和 求最值這些操作都是使用濾波器，而濾波器是有尺寸大小的，使用同 一尺寸的濾波器對兩幅包含有不同尺寸的同一物體的圖像求局部最 值將有可能出現(xiàn)一方求得最值而另一方卻沒有的情況 但是容易知道 假如物體

4、的尺寸都一致的話它們的局部最值將會相同。SIFT的精妙 之處在于采用圖像金字塔的方法解決這一問題 我們可以把兩幅圖像 想象成是連續(xù)的，分別以它們作為底面作四棱錐，就像金字塔，那么 每一個截面與原圖像相彳似那么兩個金字塔中必然會有包含大小一致 的物體的無窮個截面，但應(yīng)用只能是離散的，所以我們只能構(gòu)造有限 層，層數(shù)越多當(dāng)然越好，但處理時間會相應(yīng)增加，層數(shù)太少不行，因 為向下采樣的截面中可能找不到尺寸大小一致的兩個物體的圖像有 了圖像金字塔就可以對每一層求出局部最值 但是這樣的穩(wěn)定點數(shù)目 將會十分可觀，所以需要使用某種方法抑制去除一部分點，但又使得 同一尺度下的穩(wěn)定點得以保存。有了穩(wěn)定點之后如何去讓

5、程序明白它 們之間是物體的同一位置？研究者想到以該點為中心挖出一小塊區(qū) 域，然后找出區(qū)域內(nèi)的某些特征，讓這些特征附件在穩(wěn)定點上,SIFT 的又一個精妙之處在于穩(wěn)定點附加上特征向量之后就像一個根系發(fā)達(dá)的樹根一樣牢牢的抓住它的“土地”，使之成為更穩(wěn)固的特征點，但 是問題又來了，遇到旋轉(zhuǎn)的情況怎么辦？發(fā)明者的解決方法是找一個 “主方向”然后以它看齊，就可以知道兩個物體的旋轉(zhuǎn)夾角了。下面就 討論一下SIFT算法的缺陷。SIFT/SURT采用henssian矩陣獲取圖像局部最值還是十分穩(wěn)定 的，但是在求主方向階段太過于依賴局部區(qū)域像素的梯度方向，有可 能使得找到的主方向不準(zhǔn)確 后面的特征向量提取以及匹配都嚴(yán)重依 賴于主方向，即使不大偏差角度也可以造成后面特征匹配的放大誤 差，從而匹配不成功；另外圖像金字塔的層取得不足夠緊密也會使得 尺度有誤差，后面的特征向量提取同樣依賴相應(yīng)的尺度，發(fā)明者在這 個問題上的折中解決方法是取適量的層然后進(jìn)行插值。SIFT是一種 只利用到灰度性質(zhì)的算法，忽略了色彩信息，后面又出現(xiàn)了幾種據(jù)說 比SIFT更穩(wěn)定的描述器其中一些利用到了色彩信息，讓我們拭目以 待。最后要提一下，我們知道同樣的景物在不同的照片中可能出現(xiàn)不 同的形狀、大小、角度、亮度，甚至扭曲；計算機(jī)視覺的知識表明通 過光學(xué)鏡頭獲取的圖像，對于平面形狀的兩個物體它們之間可以建立 射影對應(yīng)