我正在開發一個應用程序，使用SIFT + RANSAC和Homography來查找對象（OpenCV C++，Java）。我面臨的問題是RANSAC表現不佳的情況。SIFT匹配和識別？
由於這個原因，我想嘗試一下SIFT的作者說的非常好：投票。
我讀過，我們應該在4維特徵空間，其中4個維度是投票：
雖然與OpenCV中很容易拿到賽scale和orientation有：
cv::Keypoints.octave
cv::Keypoints.angle
我很難理解我如何計算位置。
我發現了一個interesting slide其中只有one match我們可以得出一個邊界框：
但我不明白我怎麼能繪製邊框只有一個匹配。任何幫助？
您正在尋找最大的一套適合從圖片1至2圖像幾何變換在這種情況下匹配的特徵，它是相似變換，它有4個參數：翻譯(dx, dy)，規模變化ds和旋轉d_theta。
比方說，你已經匹配功能：從圖像1和F2 F1從圖像2.設(x1,y1)是F1的圖像1的位置，讓s1是其規模，並讓theta1是它的方向。同樣，對於f2，您有(x2,y2),s2和theta2。
兩個功能之間的翻譯是(dx,dy) = (x2-x1, y2-y1)。
兩個特徵之間的比例變化是ds = s2/s1。
兩個功能之間的旋轉是d_theta = theta2 - theta1。
所以，dx，dy，ds，並且d_theta是你的霍夫空間的尺寸。每個bin對應於一個相似性轉換。
一旦你執行了Hough投票，並找到最大bin，那麼bin會給你一個從圖像1到圖像2的轉換。你可以做的一件事就是取出圖像1的邊界框並使用該轉換對其進行轉換：將相應的平移，旋轉和縮放應用到圖像的角落。通常，將參數打包到變換矩陣中，並使用齊次座標。這將爲您提供圖像2中與您檢測到的對象相對應的邊界框。
要完成Dima的，需要補充的是，圖4D霍夫空間被量化爲一個（可能是小的）數目的4D盒，其中每個盒對應於由它的中心給出的simiéarity。
然後，對於通過特徵的暫定匹配獲得的每個可能的相似性，將1添加到4D空間中的相應框（或單元）中。輸出相似性由具有更多選票的單元給出。
爲了computethe從1場變換，只是用迪馬的公式在他的回答。對於幾對比賽，你可能需要使用一些最小二乘擬合。
最後，變換可以應用功能cv::warpPerspective()，其中透視矩陣的第三行設置爲[0,0,1]。
使用Hough變換時，可創建一個存儲模板質心（(w/2,h/2)或藉助中心矩）的每個要素的位移矢量的簽名。
E.g.對於在模板上找到的10個SIFT特徵，根據模板中心的相對位置是vector<{a,b}>。現在，讓我們在查詢圖像中搜索這個對象：在查詢圖像中找到的每個SIFT特徵，與模板10中的一個匹配，投射到其對應的質心。
votemap(feature.x - a*, feature.y - b*)+=1其中a，b對應於該特定的特徵向量。
如果某些在同一點成功施放這些功能（集羣是必要的），你已經找到一個對象實例。
簽名和投票是相反的過程。我們假設V=(-20,-10)。因此，在搜索新穎的圖像時，當找到兩個匹配的時候，我們檢測它們的方向和大小並分別投票。例如。對於正確的箱形質心將離開SIFT特徵V'=(+20*0.5*cos(-10),+10*0.5*sin(-10))，因爲它的尺寸是一半並旋轉-10度。
我已經編輯了答案。 – Dima 2013-04-11 14:34:10
只需一次匹配，就不需要霍夫變換。您將x和y（平移）的差異，方向（旋轉）的差異以及比例（比例）的差異考慮在內。然後你把它們放到矩陣中。 – Dima 2013-04-11 20:26:27