SIFT描述符背后的概念

Question

我已经阅读了一些关于SIFT的文献，并观看了一些视频。我理解SIFT背后的大多数概念，但有一件令我困惑的事情是关于SIFT描述符。

在SIFT中：

• 我们找到了一个关键点
• 我们在关键点周围拍摄16 x 16像素。
• 将16 x 16块划分为16个4 x 4块
• 计算每个8 bin块
的4 x 4直方图
• 因此，我们为此关键点获取 4 x 4 x 8 = 128 维度SIFT描述符。

我的困惑：

• 让我们说，我的图像有50个关键点。
• 我收到的此图片的SIFT描述符（即Mat描述符）有128 columns和1 row .....为什么???
• 我获得了128 columns和1 row一个关键点，那么如果我得到50个关键点，那么它不应该是50 rows和128 colmuns矩阵吗？

Answer 1

opencv的2.4.8源代码表示你应该得到128个描述符矩阵，其中n是关键点的数量。您可以看到 calcDescriptors（）通过重新生成 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));
    }
}