最近課題中要用到特徵提取和匹配，看了一點論文，個人認為特徵提起按尺度分的話可以分為單尺度和多尺度的上的特徵提取，單尺度上的通常有角點檢測，其中很著名的就是Harris角點檢測，在多尺度上的著名的有SIFT，SURF是其改進版，速度快，不過要搞懂前，還是首先的搞懂SIFT。SIFT提取的特徵點很穩定，但不一定是我們想要的點，Harris通常可以檢測到我們想要的點。所以網上有很多論文中將Harris和SIFT結合起來做，一般來說有兩種方法，一種是在多尺度上提取Harris角點，即在多尺度上的Harris角點檢測，然後在多尺度上用SIFT中的方法生成特徵描述子，然後匹配，這種當然是最好的。第二種是為了提高速度，直接在原始影象上提取角點，然後將SIFT中生成特徵描述子的過程改到單尺度上進行，最後實現匹配。即論文中寫的Harris-SIFT特徵提取匹配方法，如果將前面的Harris換成其他的提取方式，就生成了好多論文，呵呵，其實關鍵的就是怎麼把SIFT生成特徵描述子的方式改寫到單尺度上，在網上找了好半天程式，可惜沒有，沒辦法，只能發揚艱苦奮鬥的精神了，自己花了三天時間，研究SIFT程式，然後改寫成單尺度的，然後和Harris角點檢測的結合起來了，其中單尺度上特徵提取的已經打包成函式，只要有前面特徵提取的特徵點的位置資訊，輸入進去便可以生成特徵描述子，進而依據歐式距離完成匹配。下面是我拿了兩個同樣的圖使用Harris-SIFT提取特徵點且匹配的結果。