sift配准 matlab代码

SIFT基于特征点配准算法的matlab实现，可以直接运行，运行方法参见run_demo； SIFT是一种经典算法，原理可查看wiki

function descriptors = do_descriptor（octave ... % 一组的高斯尺度空间
                                      oframes ...  % frames 包含关键点相关的尺度和主方向
                                      sigma0 ...   % 基本 sigma 值
                                      S ...        % 该组的尺度层数
                                      smin ...     
                                      varargin）

for k=1:2:length（varargin）
	switch lower（varargin{k}）
      case ‘magnif‘
        magnif = varargin{k+1} ;
        
      case ‘numspatialbins‘
        NBP = varargin{k+1} ;  
        
      case  ‘numorientbins‘
        NBO = varargin{k+1} ;   
        
      otherwise
        error（[‘Unknown parameter ‘ varargin{k} ‘.‘]） ;
     end
end 
      
                               
num_spacialBins = NBP;
num_orientBins = NBO;
key_num = size（oframes 2）;
% 计算该图的向量和方向
[M N s_num] = size（octave）; % M 是图像的高度 N 是图像的宽度; num_level is the number of scale level of the octave
descriptors = [];
magnitudes = zeros（M N s_num）;
angles = zeros（M N s_num）;
% compute image gradients
for si = 1: s_num
    img = octave（::si）;
    dx_filter = [-0.5 0 0.5];
    dy_filter = dx_filter‘;
    gradient_x = imfilter（img dx_filter）;
    gradient_y = imfilter（img dy_filter）;
    magnitudes（::si） =sqrt（ gradient_x.^2 + gradient_y.^2）;
%     if sum（ gradient_x == 0） > 0
%         fprintf（‘00‘）;
%     end
    angles（::si） = mod（atan（gradient_y ./ （eps + gradient_x）） + 2*pi 2*pi）;
end

x = oframes（1:）;
y = oframes（2:）;
s = oframes（3:）;
% round off
x_round = floor（oframes（1:） + 0.5）;
y_round = floor（oframes（2:） + 0.5）;
scales =  floor（oframes（3:） + 0.5） - smin;

for p = 1: key_num  %对各个关键点处理

    s = scales（p）;
    xp= x_round（p）;
    yp= y_round（p）;
    theta0 = oframes（4p）;%关键点的主方向
    sinth0 = sin（theta0） ;
    costh0 = cos（theta0） ;
    sigma = sigma0 * 2^（double （s / S）） ;
    SBP = magnif * sigma;
    %W =  floor（ sqrt（2.0） * SBP * （NBP + 1） / 2.0 + 0.5）;
    W =   floor（ 0.8 * SBP * （NBP + 1） / 2.0 + 0.5）;
    
    descriptor = zeros（NBP NBP NBO）;
    
    % within the big square select the pixels with the circle and put into
    % the histogram. no need to do rotation which is very expensive
    %在大正方形中用高斯加权圆选择像素点放入方向直方图中，不需要做昂贵的图像旋转
    for dxi = max（-W 1-xp）: min（W N -2 - xp）
        for dyi = max（-W 1-yp） : min（+W M-2-yp）
            mag = magnitudes（yp + dyi xp + dxi s）; % 当前点（yp + dyi xp + dxi）的梯度幅值
            angle = angles（yp + dyi xp + dxi s） ;  % 当前点（yp + dyi xp + dxi）的梯度幅角
%           angle = mod（-angle + theta0 2*pi）;      % 用关键点的主方向调整角度 并且 mod it with 2*pi
            angle = mod（angle - theta0 2*pi）;
             dx = double（xp + dxi - x（p））;            % x（p） 是关键点的精确位置 （浮点数）. dx 相对于该关键点当前像素的位置
            dy = double（yp + dyi - y（p））;            % dy 相对于该关键点当前像素的位置
            
            nx = （ costh0 * dx + sinth0 * dy） / SBP ; % nx 是旋转（dx dy）后的规格化位置 with the major orientation angle. this tells which x-axis spatial bin the pixel falls in 
            ny = （-sint

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-02-17 18:18  dosift\
     文件        5412  2013-03-14 16:27  dosift\do_descriptor.m
     文件         464  2013-03-14 16:27  dosift\do_diffofg.m
     文件        4322  2013-03-14 16:27  dosift\do_extrefine.m
     文件        2964  2013-03-14 16:27  dosift\do_gaussian.m
     文件        2133  2013-03-14 16:27  dosift\do_localmax.m
     文件        2505  2013-03-14 16:27  dosift\do_orientation.m
     文件        3838  2013-03-14 16:27  dosift\do_sift.m
     文件         378  2019-02-17 18:24  dosift\run_demo.m
     文件         215  2013-03-14 16:27  dosift\smooth.m