我使用SIFT在Sraw中使用SIFT比较两个图像，使用Stephan Saalfeld的{s {3}}。但由于缺乏适当的例子，我发现使用它很困难。我能够获得两个图像的描述符，然后是相应的匹配描述符，最后应用RANSAC来忽略错误匹配。现在，我留下了许多内部因素。但我很困惑如何判断两个图像是否相似？
答案 0 :(得分：0)
RANSAC为您提供变换矩阵（包括平移，旋转和缩放值）。使用此信息，您可以尝试将图像放在彼此上，以便查看SIFT找到的匹配项。
RANSAC的一个优点是能够对模型参数进行稳健估计，即，即使数据集中存在大量异常值，它也能够以高精度估计参数。 RANSAC的一个缺点是计算这些参数所需的时间没有上限。当计算的迭代次数受到限制时，所获得的解决方案可能不是最佳的，并且它甚至可能不是以良好方式拟合数据的解决方案。通过这种方式，RANSAC提供了权衡;通过计算更多次迭代，产生合理模型的概率增加。 RANSAC的另一个缺点是它需要设置特定于问题的阈值。 RANSAC只能为特定数据集估计一个模型。对于存在两个（或更多）模型实例的任何单模型方法，RANSAC可能无法找到任何一个。 Hough变换是一种替代的稳健估计技术，当存在多个模型实例时，它可能很有用。
总结一下，你可以说两幅图像有多少相似。它不能总是告诉你它是一个完全匹配或总差异。因此，您将在申请RANSAC后获得比赛。然后你可以发现好的比赛在总比赛中的百分比，然后你需要根据这些信息来决定。