opencv - SIFT 描述符背后的概念

Question

我读过一些关于 SIFT 的文献，也看过一些视频。我了解 SIFT 背后的大部分概念，但让我感到困惑的是关于 SIFT 描述符的一件事。

在筛选中:

• 我们找到了一个关键点
• 我们在关键点周围取 16 x 16 像素。
• 将 16 x 16 block 分成 16 个 4 x 4 block
• 为每个 4 x 4 block 计算一个 8 bin 直方图
• 因此，我们得到此关键点的 4 x 4 x 8 = 128 维 SIFT 描述符。

我的困惑:

• 比方说，我的图像有 50 个关键点。
• 我收到的这张图片的 SIFT 描述符(即 Mat 描述符)有 128 列 和 1 行.....为什么？ ??
• 对于单个关键点，我有 128 列 和 1 行 那么如果我得到 50 个关键点，那么它不应该是 50 行 和 128 colmuns 矩阵？

Answer 1

opencv 的 2.4.8 源代码说您应该得到 n x 128 描述符矩阵，其中 n 是关键点的数量。您可以看到 calcDescriptors() 通过引用 descriptors 行为每个关键点创建描述符。

static void calcDescriptors(const vector<Mat>& gpyr, const vector<KeyPoint>& keypoints,
                            Mat& descriptors, int nOctaveLayers, int firstOctave )
{
    int d = SIFT_DESCR_WIDTH, n = SIFT_DESCR_HIST_BINS;

    for( size_t i = 0; i < keypoints.size(); i++ )
    {
        // [...]
        // some unrelevant code 

        calcSIFTDescriptor(img, ptf, angle, size*0.5f, d, n, descriptors.ptr<float>((int)i));
    }
}