sift_basic

Personal implementation of SIFT(Scale-Invariant Feature Transform) Operator

Brief Introduction

代码参考自苏黎世大学(UZH)2022年秋季移动机器人视觉算法课程，在其提供代码的基础上，对构造高斯金字塔、生成特征描述子等过程均进行了优化。算法被封装在sift目录下，构成一个Python包，可以在其他脚本文件中调用其所实现的SIFT特征提取和匹配方法。

sift目录下各文件介绍：

.
├── __init__.py  # 包（package）标识文件
├── descriptor.py  # 计算特征描述子
├── mysift.py  # 匹配描述子
└── pyramid.py  # 构建DoG Pyramid，并提取SIFT特征点

开发过程中使用了python 3.8，在虚拟环境中需要安装numpy，opencv，scipy，matplotlib。环境安装说明（仅供参考）：

# 创建conda虚拟环境
conda create -n mysift python=3.8 numpy scipy matplotlib
# 进入conda虚拟环境
conda activate mysift
# 安装opencv(CPU-only)
pip install opencv-python

Keypoint Detection

输入一幅图像，提取其中的SIFT关键点。脚本运行命令示例：

python sift_detect.py \
       --file_dir images/nvidia-3.jpg \
       -o 5 \
       -s 3 \
       --rescale 0.3 \
       --sigma 1.0 \
       --output_dir images/experiment/nvidia-3-keypoints.jpg \
       -t 5e-2

获得命令行各参数含义可运行：

python sift_detect.py -h

Keypoint Matching

输入两幅图像，分别对它们进行\sift 特征提取与描述，并在两组描述子之间进行匹配。脚本运行命令示例：

python image_matching.py \
       --file_dir_1 images/nvidia-3.jpg \
       --file_dir_2 images/nvidia-4.jpg \
       -o 5 \
       -s 3 \
       --rescale 0.3 \
       --output_dir images/experiment/image_matching.pdf \
       --sigma 1.0 \
       -t 0.05

获得命令行各参数含义可运行：

python image_matching.py -h

If practitioners are having any confusion, plz feel free to open an Issue here to have a discussion.