Algorithm 如何在“中旋转方向”；快速近似筛选；？

论文“快速近似SIFT”（M Grabner，H Grabner，ACCV 2006） 给出了一种改进的利用积分直方图从图像中提取SIFT描述符的方法

它说“对于描述符，我们相对于方向旋转每个子面片的中点，并计算重叠子面片的直方图，而不对齐平方区域，而是相对于主方向移动子面片直方图。”

在本文中，使用积分直方图可以方便地计算关键点周围4*4子面片的直方图。但是，结果直方图不随关键点的方向旋转。传统的SIFT需要子面片中的每个像素按方向旋转，然后计算直方图。但是，本文提出的这种新方法似乎可以在“相对于主方向移动子面片直方图”得到非旋转直方图后，使旋转我不明白如何“相对于主方向移动子面片直方图”？

我在这里引用：“对于描述符，我们相对于方向旋转每个子面片的中点，并计算重叠子面片的直方图，而不对齐平方区域，而是相对于主方向移动子面片直方图。”

---

例如，如果一个非旋转子面片直方图有8个从0到2pi的单元，间隔为pi/4，每个单元的值为2,4,5,3,6,8,7,1，关键点的方向为pi/6，如何知道旋转直方图中8个单元的新值？据我所知：它们将方向四舍五入到下一个pi/4间隔。这样，您就可以旋转整个阵列并

24536871

---

\u4 5 3 6 8 7 1 2

表示旋转面片的直方图。

感谢您的回复。如果关键点的方向为π/4，则答案为ok，2 4 5 3 6 8 7 1变为4 5 3 6 7 1 2。然而，在我的问题中，关键点的方向是π/6，而不是π/4的整数倍，那么我如何旋转阵列呢？你不能正确地旋转。唯一的解决办法是使用插值，但据我所知，这并不是作者们提出的。线性插值（对于Pi/6）：newHistogram[i]=1/3*oldchistogram[i]+2/3*oldchistogram[i+1]；我以前用matlab做过线性插值，结果直方图与真实直方图不太接近。作者提出的方法是什么？如果关键点的方向为PI/6，他们只需使用原始直方图（2 4 5 3 6 8 7）或方向为PI/4（4 5 3 6 8 7 1 2）的直方图来近似真实直方图？这不是太不精确了吗？如果你把Pi/6四舍五入到最接近的Pi/4，你会得到Pi/4，因为Pi/6更接近Pi/4而不是0。因此，作者可能会使用Pi/4。这是否足够好取决于应用程序。如果您需要更高的分辨率，您可以增加直方图箱的数量，但这是一种折衷。不要忘记，SIFT特征不是精确的科学。您是否尝试过这种“不精确”的解决方案是否适用于您的项目？