OpenCV SIFT 描述符关键点半径

我正在深入研究OpenCV的SIFT描述符提取的实现 https://github.com/Itseez/opencv/blob/master/modules/nonfree/src/sift.cpp。我发现了一些令人费解的代码来获取兴趣点邻域的半径。下面是带注释的代码，变量名称已更改为更具描述性：

// keep octave below 256 (255 is 1111 1111)
int octave = kpt.octave & 255;
// if octave is >= 128, ...????
octave = octave < 128 ? octave : (-128 | octave);
// 1/2^absval(octave)
float scale = octave >= 0 ? 1.0f/(1 << octave) : (float)(1 << -octave);
// multiply the point's radius by the calculated scale
float scl = kpt.size * 0.5f * scale;
// the constant sclFactor is 3 and has the following comment:
// determines the size of a single descriptor orientation histogram
float histWidth = sclFactor * scl;
// descWidth is the number of histograms on one side of the descriptor
// the long float is sqrt(2)
int radius = (int)(histWidth * 1.4142135623730951f * (descWidth + 1) * 0.5f);

我知道这与转换为获取兴趣点的比例有关（我已阅读 Lowe 的论文），但我无法将这些点连接到代码。具体来说，我不明白前三行和最后一行。

我需要理解这一点才能为运动创建类似的局部点描述符。

我不明白前 3 行

事实上这个 SIFT 实现encodes内的几个值KeyPoint octave属性。如果您参考line 439 https://github.com/Itseez/opencv/blob/173442bb2ecd527f1884d96d7327bff293f0c65a/modules/nonfree/src/sift.cpp#L439你可以看到：

kpt.octave = octv + (layer << 8) + (cvRound((xi + 0.5)*255) << 16);

这意味着八度音程存储在第一个字节块中，层存储在第二个字节块中，等等。

So kpt.octave & 255（可以在unpackOctave方法）只是屏蔽关键点八度音程以检索有效八度音程值。

另外：此 SIFT 实现使用负的第一个八度音程（int firstOctave = -1）以处理更高分辨率的图像。由于八度音阶索引从 0 开始，因此计算映射：

octave index = 0 => 255
octave index = 1 => 0
octave index = 2 => 1
...

该映射是在以下位置计算的line 790 https://github.com/Itseez/opencv/blob/173442bb2ecd527f1884d96d7327bff293f0c65a/modules/nonfree/src/sift.cpp#L790:

kpt.octave = (kpt.octave & ~255) | ((kpt.octave + firstOctave) & 255);

因此上面的第二行只是映射回这些值的一种方法：

octave = 255 => -1
octave = 0   => 0
octave = 1   => 1
..

第三行只是计算音阶的一种方法，考虑到负八度给出的音阶 > 1，例如1 << -octave给出 2 为octave = -1这意味着它的大小增加了一倍。

[我不明白]最后一行。

基本上它对应于包裹尺寸平方块的圆的半径D，因此sqrt(2)并除以 2。D通过乘法计算：

• 关键点尺度，
• 放大倍数 = 3,
• 描述符直方图的宽度 = 4，向上舍入到下一个整数（因此为 +1）

事实上，您可以在其中找到详细的描述vlfeat 的 SIFT 实现 https://github.com/vlfeat/vlfeat/blob/38a03e12daf50ee98633de06120834d0d1d87e23/vl/sift.c#L1948:

每个空间仓的支持度扩展为SBP = 3sigma 像素，其中 sigma 是关键点的比例。因此所有的 bin 一起具有支持 SBP x NBP 像素宽。自从 使用像素加权和插值，支持扩展 另一个半箱。因此，支撑体是一个方形窗口 SBP x (NBP + 1) 像素。最后，由于补丁可以 任意旋转，我们需要考虑一个窗口 2W += sqrt(2) x SBP x (NBP + 1) 像素宽。

最后强烈推荐大家参考一下这个vlfeat SIFT 文档 http://www.vlfeat.org/api/sift.html.