如何使用VL_feat入门SIFT

2023-10-29 12:20
文章标签 使用 入门 sift vl feat

本文主要是介绍如何使用VL_feat入门SIFT,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先下载vl_feat包http://www.vlfeat.org/download.html

 正常解压就完事了

然后在程序开头输入加载vl_feat

run('.\vlfeat-0.9.21-bin\vlfeat-0.9.21\toolbox\vl_setup.m');
% 测试vlfeat是否成功
vl_version verbose

然后开始代码测试两张图像使用sift匹配显示

二、加载图片
% 图片1
img1ori = imread('JapanCrane.jpg');
img1 = single(rgb2gray(img1ori));
% 图片2
img2ori = imread('Snowball.jpg');
% img2ori = imread('Crane.jpg');
img2 = single(rgb2gray(img2ori));三、提取SIFT特征,匹配特征点
[f1,d1] = vl_sift(img1,'Levels',3,'PeakThresh',1);
[f2,d2] = vl_sift(img2,'Levels',3,'PeakThresh',1);
[matches,scores] = vl_ubcmatch(d1,d2);
[dump,scoreind] = sort(scores,'ascend');三、绘制组合图片
% 创建一个(1080*2030*3)的数组
newfig=zeros(size(img1,1), size(img1,2)+size(img2,2),3);
newfig(:,1:size(img1,2),:) = img1ori;
newfig(1:size(img2,1) ,(size(img1,2)+1):end,:)=img2ori;
% uint8将single或者double类型的数组转换成8位无符号整型数组
newfig=uint8(newfig);
figure;
image(newfig);
% 显示坐标轴
axis image;
% colormap(gray);四、绘制匹配特征点
figure;
image(newfig);
axis image;
f2Moved = f2;
f2Moved(1,:) = f2Moved(1,:)+size(img1,2);
% plotframe返回图像句柄
h1 = vl_plotframe(f1);
h2 = vl_plotframe(f2Moved);
% set设置图形对象属性
set(h1,'color','g','linewidth',2);
set(h2,'color','r','linewidth',2);
hold on
% 绘制scores前5%
plotRatio=0.05;
for i= 1:fix(plotRatio*size(matches,2))idx = scoreind(i);line([f1(1,matches(1,idx)) f2Moved(1,matches(2,idx))],...[f1(2,matches(1,idx)) f2Moved(2,matches(2,idx))], 'linewidth',1, 'color','r')
end
hold off

 

大功告成!!!

 

这篇关于如何使用VL_feat入门SIFT的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/300623

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

数论入门整理(updating)

一、gcd lcm 基础中的基础,一般用来处理计算第一步什么的,分数化简之类。 LL gcd(LL a, LL b) { return b ? gcd(b, a % b) : a; } <pre name="code" class="cpp">LL lcm(LL a, LL b){LL c = gcd(a, b);return a / c * b;} 例题:

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的