使用opencv-python计算SIFT特征点的示例

前言

SIFT（Scale-invariant feature transform）是2004年提出的，至今已经经受住各种考验，被证实是在同类描述子中具有很强健壮性的算法。

SIFT既是一种特征点检测算法，也同时提供特征点的描述子。

本文使用两个示例，简单介绍在python下如何使用opencv计算SIFT特征点

完整代码及更多算法demo，见我最近开始构建的 AI ToolBox

我建立 AI ToolBox 的初衷是，将工作学习中编写的代码中可复用的部分总结起来，组成一个工具箱，提高工作中尝试算法的时间成本。希望也能对大家有用，我会持续的进行更新，下面进入正题。

潜在的问题记录

由于SIFT及SURF等特征点检测算法已经申请专利，其算法实际是独立于opencv之外的。

因此，(假设你已经安装了opencv)你在搜索网上教程尝试使用SIFT算法时，你可能遇到下面的问题

'module' object has no attribute 'xfeatures2d'

这是由于你没有安装 opencv-contrib-python 库导致的，解决方法：

但愿程序已正常运行，但是，取决于你的各种版本配置，你还可能遇到这样的问题：

……Set OPENCV_ENABLE_NONFREE CMake option and rebuild the library in function 'cv::xfeatures2d::SIFT::create'

在 stackflow 上可以找到该问题的若干解决办法

由于我猜测这是和版本相关的问题，我是用如下方法解决的，很简单。

先卸载 opencv 和 opencv-contrib-python， 再重新安装统一版本的两个库。依此输入如下命令：

demo1：计算并绘制特征点

我们先来简单感受一下SIFT在做什么

调用很简单：

使用方法检测特征点

使用将特征点绘制处理

结果如下：

img01

demo2：使用SIFT匹配两幅图像

我们可以用SIFT点做些什么呢？

最常见的应用有图像拼接、模板匹配等

在demo2中，我们假设这样的应用场景： 已有一张人脸模板，在另一幅图像中，尝试判断其中是否包含这个人的脸。

核心思路是：

1）使用SIFT分别检测图片和模板的特征点

2）对两组特征点进行KNN匹配

3）使用RANSAC剔除误匹配的点对

4）通过最后留下的配对成功的点对的数量，通过一个阈值，判断图像中是否出现了模板人脸对应的同一个人

这里我们对前两部进行实现练习：

代码详见AI ToolBox中的

看下效果：

img02

img03

可以看到，强大的SIFT描述子可以很好的匹配出两幅图中的同一个人，即使是像金馆长这种已经被做成表情包的例子，都可以匹配成功。

同时，对于不是同一个人的情况，即使都是人（都有同样人类的面部结构），SIFT也能够进行很好的区分。

参考文章地址

David G.Lowe Distinctive Image Features from Scale-Invariant Keypoints. January 5, 2004.

Python-opencv3 SIFT算法做特征匹配

Python进行SIFT图像对准

SIFT算法详解

SIFT detector and descriptor

本文来自团队的安晟同学，他的github地址为：

https://github.com/monkeyDemon

经过8年多的发展，LSGO软件技术团队在地理信息系统、数据统计分析、计算机视觉领域积累了丰富的研发经验，也建立了人才培养的完备体系。

欢迎对算法设计与实现感兴趣的同学加入，与我们共同成长进步。