【Python/OpenCV】SIFT特徴量の計算とマッチング

Python版OpenCVでSIFT特徴量を計算する方法をソースコード付きで解説します。

SIFTとは

SIFT（Scale-Invariant Feature Transform）は、画像処理やコンピュータビジョン分野で有名な特徴点検出アルゴリズムの1つです。画像中の「特徴的な点（キー・ポイント）」を検出し、それをスケールや回転に対して不変な特徴量として記述します。例えば、同じ物体が拡大縮小・回転・一部隠れていても、SIFTはそれを見つけ出すことができます。

SIFT特徴量の計算手順

1. スケール空間の極大値検出
   • 画像を複数のスケールにぼかしてから差分（DoG: Difference of Gaussians）をとり、特徴点候補を探します。
2. キー・ポイントの精緻化
   • ノイズや端にある不安定な点を排除して、安定した点だけを残します。
3. 方向付け
   • 各特徴点に対して主方向を計算し、回転に対する不変性を持たせます。
4. 特徴記述子の生成
   • 周囲の勾配情報を128次元のベクトルに変換し、特徴点の“指紋”のような記述子を作成します。

OpenCVでの実装方法

OpenCV 4.4以降では、SIFTはxfeatures2dから移動し、標準でcv2.SIFT_create()として使えるようになりました。
– 特許が切れたため、商用利用も可能になっています。

サンプルコード①

OpenCVのcv2.SIFT_create()で実装した例です。

実行結果

関連ページ

【PythonとOpenCVで画像処理超入門】使い方とサンプルコードを解説

Python版OpenCVで画像処理プログラミングを行う方法を入門者向けにソースコード付きで解説するページです。

python.joho.info

2024.06.30