Image processing 图像中角点像素的筛选描述符

我想做一个函数来计算sift描述符，它以两个参数作为输入，一个是图像，另一个是图像中某些点的向量。输出将是128维sift描述符的行，每行对应于图像中某一点的描述符。

---

对于SIFT描述符的计算，需要在关键点（比如32 x 32）周围裁剪某些补丁，并进行一些图像处理（方向直方图和所有）。我这里的问题是如何处理图像中的角点像素。例如，如果我将像素位置（1,1）作为函数的输入，那么如何裁剪面片或如何计算图像中该位置的描述符？？？

正如其他人在评论中指出的那样，在图像处理中，在边界处镜像图像是一种常见做法，有时，也可以在边界处填充零

如果您所指的“特定点的向量”是“关键点”，那么您可以使用

opencv

提取SIFT特征，这将为每个关键点返回128维特征向量

---

您不必自己明确地计算SIFT描述符，因为

OPENCV

提供了中所述的方法，您可以在32像素的图像周围创建一个边框，镜像原始图像。因此，即使您的角点周围也会有一个有效的32x32矩形。在OpenCV中，您可以使用和

BORDER\u REFLECT\u 101

。这不会影响描述符的性能吗？当然可以。这就是为什么不应该计算边界附近的sift。正如@Miki指出的，基本上，图像像素中的特征是在

r

半径邻域中计算的。

r

（取决于功能）越大，图像中丢失信息的像素量越大。例如，对于

r=5

，图像边界周围的

5

像素带在计算特征时将丢失信息。要解决此问题，有边界条件，可以反射、设置为0或将图像包裹在其限制之外，但结果将是相同的，即信息丢失。因此，不要过分依赖边界附近的特征。看看另一个答案：