我正在实施Lowe的方法“SIFT”，用于查找和描述图像中的特征。
我找到了兴趣点，现在我必须对它们进行描述：使用Lowe的方法，我计算了关键点周围区域的幅度和梯度，并创建了一个高斯加权直方图，有36个区间，每个区域对应一个方向10度。对于每个关键点，都有一个直方图。每个箱是该方向上加权幅度的总和。一个例子来自aishack.in：http://www.aishack.in/static/img/tut/sift-orientation-histogram.jpg
最大容器大小的80％以内的容器，是一个新的关键点。在描述之后，它在论文中说：“最后，抛物线适合于最靠近每个峰值的3个直方图值，以插入峰值位置以获得更好的精度”。我不确定我能得到这个。
在我的理解中，它意味着该峰值的峰值，左侧和右侧值将具有抛物线拟合，如此（被警告！自由绘制）
http://i.stack.imgur.com/7V8pb.jpg
并且关键点的方向将是抛物线极值的位置。例如：如果抛物线安装在10-19,20-29和30-39（20-29为直方图峰值），则在30-39达到一个点时出现极值，则这将是该关键点的方向。我理解这个吗？这样，关键点的方向只能在36个方向内
另一个选择：与上面相同的想法，只有直方图不再是离散的：因此，parapola的极值将是一个连续值，并且该值被分配给关键点。
答案 0 :(得分：0)
抛物线拟合的想法是找到比分辨率更好的峰值。正如您在示例中看到的那样，峰值位于20-29（平均值为24.5），但10-19仓位高于30-39仓位。因此，精确峰值可能低于24.5。
你不能有一个非离散的直方图，它会击败直方图的点。你可以拥有的是重叠的bin：创建一个20-29的bin，还有一个21-30和22-31等的bin。所以值24将映射到10个bin，来自{{ 1}}到15-24。
当你增加一个bin时，你不一定需要将它递增1.你也可以将一个bin增加一个可变的数量，例如：从给定值到bin边缘的距离。因此，24-35会向bin 24添加1，但为16-25添加4。
