【图像配准】基于sift算法实现电路板图像配准附matlab代码-CFANZ编程社区

1 简介

SIFT即尺度不变特征变换，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 1 SIFT算法特点：（1）具有较好的稳定性和不变性，能够适应旋转、尺度缩放、亮度的变化，能在一定程度上不受视角变化、仿射变换、噪声的干扰。（2）区分性好，能够在海量特征数据库中进行快速准确的区分信息进行匹配（3）多量性，就算只有单个物体，也能产生大量特征向量（4）高速性，能够快速的进行特征向量匹配（5）可扩展性，能够与其它形式的特征向量进行联合

2 SIFT算法实质在不同的尺度空间上查找关键点，并计算出关键点的方向。【图像配准】基于sift算法实现电路板图像配准附matlab代码_特征向量 3 SIFT算法实现特征匹配主要有以下三个流程：（1）提取关键点：关键点是一些十分突出的不会因光照、尺度、旋转等因素而消失的点，比如角点、边缘点、暗区域的亮点以及亮区域的暗点。此步骤是搜索所有尺度空间上的图像位置。通过高斯微分函数来识别潜在的具有尺度和旋转不变的兴趣点。（2）定位关键点并确定特征方向：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。然后基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。（3）通过各关键点的特征向量，进行两两比较找出相互匹配的若干对特征点，建立景物间的对应关系。

2 部分代码

function [f ,inlierIdx] = ransac( img1,img2,x,y)
ransacCoef.minPtNum = 4;%模型最少数据个数
ransacCoef.iterNum = 1500;%算法的迭代次数
ransacCoef.thDist = 3;%用于决定数据是否适应于模型的阀值
ransacCoef.thInlrRatio = .1;
minPtNum = ransacCoef.minPtNum;
iterNum = ransacCoef.iterNum;
thInlrRatio = ransacCoef.thInlrRatio;
thDist = ransacCoef.thDist;
ptNum = size(x,2);
thInlr = round(thInlrRatio*ptNum);
inlrNum = zeros(1,iterNum);
fLib = cell(1,iterNum);
for p = 1:iterNum
  %1 repeated sample  4 points 
  sampleIdx = randp(ptNum,minPtNum);
  %2 compute a homography from the points
    f1 = solvehomo(x(:,sampleIdx),y(:,sampleIdx));
  %3 map all points using homography and calculate the distance
  dist =  calcdist(f1,x,y);
  inlier1 = find(dist < thDist);
  inlrNum(p) = length(inlier1);
  if length(inlier1) < thInlr, continue; end
  %4 compute  a least squares using All the inliers ,if its inlier
  % ration is bigger than threshold Inlier
    fLib{p} =solvehomo(x(:,inlier1),y(:,inlier1));
end
%5 find the Homography with the most outlier
[val1,idx] = max(inlrNum);
f = fLib{idx};
dist =  calcdist(f,x,y);
inlierIdx = find(dist < thDist);
% Create a new image showing the two images side by side.
img3 = append(img1,img2);
% Show a figure with lines joining the accepted matches.
figure('Position', [100 100 size(img3,2) size(img3,1)]);
colormap('gray');
imagesc(img3);
title('RANSAC精匹配');
hold on;
cols1 = size(img1,2);
fprintf('after using RANSAC  %d matches left.\n',size(inlierIdx,2) );
for i = 1: size(inlierIdx,2)
line([y(1,inlierIdx(i))  x(1,inlierIdx(i))+cols1], ...
    [y(2,inlierIdx(i)) x(2,inlierIdx(i))], 'Color', 'b'); 
end
hold off;
end