【图像匹配】基于SIFT算法的图像匹配，matlab实现

       博主简介：matlab图像代码项目合作（扣扣：3249726188）

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

        本次案例是基于基于SIFT算法的图像匹配，用matlab实现。

 一、案例背景和算法介绍

        本期开始我们介绍图像处理的一个重要领域算法：图像匹配。图像匹配的算法比较多，有基于SIFT、SURF、Harris等特征的匹配算法，这次介绍的算法是SIFT匹配算法。

        SIFT尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。关于sift算法的相关资料，有很多大佬说的很详细，相关资料也非常多，这里不再详细叙述，只概述一下主要步骤：

        SIFT算法分解为如下四步：

        1、 尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。

        2、关键点定位：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。

        3、方向确定：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。

        4、关键点描述：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。

        得到SIFT匹配点之后，接下来就是匹配：

        1、计算特征距离值，如符合一定规则（如设置距离少于某个值），则认为符合初步匹配

        2、利用RANSAC算法去除误匹配

       下面看看具体的matlab实现效果。

        完成匹配后，可以根据匹配效果做图像拼接操作了，这个后续的算法再做介绍。

二、Matlab实现效果

        原图：

SIFT特征显示：

图像初步匹配：

  利用RANSAC算法去除误匹陪：