1.主要內容

2.參考資料

主要參考資料為由朱文濤和袁勇翻譯的《python 計算機視覺》原書為《ProgrammingComputer Vision with Python》,該書主要內容包括Harris和sift的特徵檢測、影象到影象的對映、影象聚類、基於BoW的影象檢索等。譯本作者提供了全書實現的python程式碼，電子書及程式碼可在譯者袁勇的個人主頁中獲取，也可由以下百度網盤獲取：

本文主要針對SIFT特徵檢測這一部分的程式碼進行了整理。

3.準備工作

從VLFeat下載的檔案的子檔案bin中將<vl.dll><vl.lib><sift.exe>三個檔案拷貝出來，放到工程檔案目錄中

例如我的工程資料夾為../sift_python (程式sift.py所在資料夾)，將上述三個檔案拷貝到sift_python資料夾中。

4.程式碼

在工程檔案中建立sift.py檔案，將下述程式碼依次拷貝到sift.py檔案中，在進行過簡單的路徑修改後即可執行。

以下為具體程式碼及註釋：

4.1 相關庫的匯入

from PIL import Image
from numpy import *
from pylab import *
import os

4.2 SIFT呼叫函式的定義

(1) 利用PIL中的convert將影象轉為灰度圖

在PIL中，對於彩色影象，open後都會轉換為“RGB”模式，然後該模式可以轉換為其他模式，比如“1”、“L”、“P”和“RGBA”，這幾種模式也可以轉換為“RGB”模式。模式“RGB”轉換為模式“1”以後，畫素點變成黑白兩種點，要麼是0，要麼是255。模式“RGB”轉換為模式“L”以後，畫素值為[0,255]之間的某個數值。模式“RGB”轉換為模式“P”以後，畫素值為[0,255]之間的某個數值，但它為調色盤的索引值，其最終還是彩色影象。此處利用convert('L') 將RGB影象轉為灰度值範圍為[0,255]的灰度圖，並以.pgm格式儲存

(2) 利用os.system()函式執行sift.exe檔案，SIFT中相應的輸入引數如下：

具體程式碼如下：

def process_image(imagename,resultname,params="--edge-thresh 10 --peak-thresh 5"):
    """ Process an image and save the results in a file. """

    if imagename[-3:] != 'pgm':
        # create a pgm file
        im = Image.open(imagename).convert('L')  #.convert('L') 將RGB影象轉為灰度模式，灰度值範圍[0,255]
        im.save('tmp.pgm')                       #將灰度值影象資訊儲存在.pgm檔案中
        imagename = 'tmp.pgm'
   
    cmmd = str("E:\code\Sift\sift_python\sift.exe "+imagename+" --output="+resultname+
                " "+params)
    os.system(cmmd)                              #執行sift可執行程式，生成resultname(test.sift)檔案
    print 'processed', imagename, 'to', resultname
 

4.3 其它函式的定義

def read_features_from_file(filename):
    """ Read feature properties and return in matrix form. """
    
    f = loadtxt(filename)
    return f[:,:4],f[:,4:] # feature locations, descriptors

filename即為生成的test.sift檔案，其內部儲存格式為：

上面資料的每一行前4 個數值依次表示興趣點的座標、尺度和方向角度，後面緊接著的是對應描述符的128 維向量。

def plot_features(im,locs,circle=True):
    """ Show image with features. input: im (image as array), 
        locs (row, col, scale, orientation of each feature). """

    def draw_circle(c,r):
        t = arange(0,1.01,.01)*2*pi
        x = r*cos(t) + c[0]
        y = r*sin(t) + c[1]
        plot(x,y,'b',linewidth=2)

    imshow(im)
    if circle:
        for p in locs:
            draw_circle(p[:2],p[2]) 
    else:
        plot(locs[:,0],locs[:,1],'ob')
    axis('off')

該函式在原始影象上使用藍色的點繪製出SIFT 特徵點的位置。將引數circle 的選項設定為True，該函式將使用draw_circle() 函式繪製出圓圈，圓圈的半徑為特徵的尺度。

4.4 主函式的定義

imname為待處理照片的路徑，此處用的是絕對路徑，此處更改為相應處理照片的路徑即可:

if __name__ == '__main__':
    imname = ('E:\\code\\Sift\\library.jpg')               #待處理影象路徑
    im=Image.open(imname)
    process_image(imname,'test.sift')
    l1,d1 = read_features_from_file('test.sift')           #l1為興趣點座標、尺度和方位角度 l2是對應描述符的128 維向
    figure()
    gray()
    plot_features(im,l1,circle = True)
    title('sift-features')
    show()

5. 執行結果

6.原始碼下載

    本文所涉及的程式碼及VLFeat相關檔案均可在以下GitHub中獲取：