Question

我对SiftDescriptorExtractor作业的最后一部分有疑问，

我正在做以下事情：

    SiftDescriptorExtractor extractor;
    Mat descriptors_object;
    extractor.compute( img_object, keypoints_object, descriptors_object );

现在我想检查一下descriptors_object Mat对象的元素：

std::cout<< descriptors_object.row(1) << std::endl;

输出如下：

[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 3, 0, 0, 0, 0, 0, 0, 32, 15, 0, 0, 0, 0, 0, 0, 73, 33, 11, 0, 0, 0, 0, 0, 0, 5, 114, 1, 0, 0, 0, 0, 51, 154, 20, 0, 0, 0, 0, 0, 154, 154, 1, 2, 1, 0, 0, 0, 154, 148, 18, 1, 0, 0, 0, 0, 0, 2, 154, 61, 0, 0, 0, 0, 5, 60, 154, 30, 0, 0, 0, 0, 34, 70, 6, 15, 3, 2, 1, 0, 14, 16, 2, 0, 0, 0, 0, 0, 0, 0, 154, 84, 0, 0, 0, 0, 0, 0, 154, 64, 0, 0, 0, 0, 0, 0, 6, 6, 1, 0, 1, 0, 0, 0]

但在Lowe paper中声明：

因此，我们减少了影响力大的梯度幅度对单元中的值进行阈值处理每个特征向量都不大超过0.2，然后重新归一化为单位长度。这意味着匹配大梯度的大小是再也不那么重要了方向分布有更加重视。 0.2的值是通过实验确定使用图像包含不同的照明相同的3D对象。

因此，特征向量中的数字不应大于0.2值。

问题是，这些值是如何在Mat对象中转换的？

Answer 1

因此特征向量中的数字不应大于0.2 值。

没有。该论文称SIFT描述符是：

归一化（使用L2规范）
使用0.2作为阈值进行截断（即循环超过规范化值并在适当时截断）
再次标准化

因此理论上任何SIFT描述符组件都在[0, 1]之间，即使在实践中观察到的有效范围较小（见下文）。

问题是，这些值是如何在Mat对象中转换的？

它们从浮点值转换为unsigned char - s。

以下是OpenCV modules/nonfree/src/sift.cpp calcSIFTDescriptor方法的相关部分：

float nrm2 = 0;
len = d*d*n;
for( k = 0; k < len; k++ )
    nrm2 += dst[k]*dst[k];
float thr = std::sqrt(nrm2)*SIFT_DESCR_MAG_THR;
for( i = 0, nrm2 = 0; i < k; i++ )
{
    float val = std::min(dst[i], thr);
    dst[i] = val;
    nrm2 += val*val;
}
nrm2 = SIFT_INT_DESCR_FCTR/std::max(std::sqrt(nrm2), FLT_EPSILON);
for( k = 0; k < len; k++ )
{
    dst[k] = saturate_cast<uchar>(dst[k]*nrm2);
}

使用：

static const float SIFT_INT_DESCR_FCTR = 512.f;

这是因为经典的SIFT实现通过512乘法因子将归一化浮点值量化为unsigned char整数，这相当于认为任何SIFT分量在[0, 1/2]之间变化，从而避免松散精确尝试编码完整的[0, 1]范围。

OpenCV的SiftDescriptorExtractor如何转换描述符值？

1 个答案: