图像配准基于sift算法实现电路板图

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。1SIFT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

2SIFT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。3SIFT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。

function[f,inlierIdx]=ransac(img1,img2,x,y)ransacCoef.minPtNum=4;%模型最少数据个数ransacCoef.iterNum=;%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);forp=1:iterNum%1repeatedsample4pointssampleIdx=randp(ptNum,minPtNum);%2

转载请注明：http://www.abuoumao.com/hykh/1647.html