我正在开发一个应用程序，使用SIFT + RANSAC和Homography来查找对象（OpenCV C++，Java）。我面临的问题是RANSAC表现不佳的情况。SIFT匹配和识别？
由于这个原因，我想尝试一下SIFT的作者说的非常好：投票。
我读过，我们应该在4维特征空间，其中4个维度是投票：
虽然与OpenCV中很容易拿到赛scale和orientation有：
cv::Keypoints.octave
cv::Keypoints.angle
我很难理解我如何计算位置。
我发现了一个interesting slide其中只有one match我们可以得出一个边界框：
但我不明白我怎么能绘制边框只有一个匹配。任何帮助？
您正在寻找最大的一套适合从图片1至2图像几何变换在这种情况下匹配的特征，它是相似变换，它有4个参数：翻译(dx, dy)，规模变化ds和旋转d_theta。
比方说，你已经匹配功能：从图像1和F2 F1从图像2.设(x1,y1)是F1的图像1的位置，让s1是其规模，并让theta1是它的方向。同样，对于f2，您有(x2,y2),s2和theta2。
两个功能之间的翻译是(dx,dy) = (x2-x1, y2-y1)。
两个特征之间的比例变化是ds = s2/s1。
两个功能之间的旋转是d_theta = theta2 - theta1。
所以，dx，dy，ds，并且d_theta是你的霍夫空间的尺寸。每个bin对应于一个相似性转换。
一旦你执行了Hough投票，并找到最大bin，那么bin会给你一个从图像1到图像2的转换。你可以做的一件事就是取出图像1的边界框并使用该转换对其进行转换：将相应的平移，旋转和缩放应用到图像的角落。通常，将参数打包到变换矩阵中，并使用齐次坐标。这将为您提供图像2中与您检测到的对象相对应的边界框。
要完成Dima的，需要补充的是，图4D霍夫空间被量化为一个（可能是小的）数目的4D盒，其中每个盒对应于由它的中心给出的simiéarity。
然后，对于通过特征的暂定匹配获得的每个可能的相似性，将1添加到4D空间中的相应框（或单元）中。输出相似性由具有更多选票的单元给出。
为了computethe从1场变换，只是用迪马的公式在他的回答。对于几对比赛，你可能需要使用一些最小二乘拟合。
最后，变换可以应用功能cv::warpPerspective()，其中透视矩阵的第三行设置为[0,0,1]。
使用Hough变换时，可创建一个存储模板质心（(w/2,h/2)或借助中心矩）的每个要素的位移矢量的签名。
E.g.对于在模板上找到的10个SIFT特征，根据模板中心的相对位置是vector<{a,b}>。现在，让我们在查询图像中搜索这个对象：在查询图像中找到的每个SIFT特征，与模板10中的一个匹配，投射到其对应的质心。
votemap(feature.x - a*, feature.y - b*)+=1其中a，b对应于该特定的特征向量。
如果某些在同一点成功施放这些功能（集群是必要的），你已经找到一个对象实例。
签名和投票是相反的过程。我们假设V=(-20,-10)。因此，在搜索新颖的图像时，当找到两个匹配的时候，我们检测它们的方向和大小并分别投票。例如。对于正确的箱形质心将离开SIFT特征V'=(+20*0.5*cos(-10),+10*0.5*sin(-10))，因为它的尺寸是一半并旋转-10度。
我已经编辑了答案。 – Dima 2013-04-11 14:34:10
只需一次匹配，就不需要霍夫变换。您将x和y（平移）的差异，方向（旋转）的差异以及比例（比例）的差异考虑在内。然后你把它们放到矩阵中。 – Dima 2013-04-11 20:26:27