VLFeat

介绍

VLFeat开源库实现了流行的计算机视觉算法，这些算法专门用于图像理解以及局部特征提取和匹配。 算法包括费舍尔向量，VLAD，SIFT，MSER，k均值，分层k均值，聚集信息瓶颈，SLIC超像素，快速移位超像素，大规模SVM训练等。 它是用C编写的，以提高效率和兼容性，并在MATLAB中提供了易于使用的接口，并在全文中提供了详细的文档。 它支持Windows，Mac OS X和Linux。

下载

VLFeat0.9.20，官方下载链接下载www.vlfeat.org.

PCV

介绍

PCV是基于Jan Erik Solem的《用Python编程计算机视觉》一书的纯Python计算机视觉库。
需要有Python 2.6+（最好是py2的版本）

下载

官方下载链接下载https://github.com/jesolem/PCV.

配置到python库中

将下载的文件压缩包进行解压。
打开cmd或者是Anaconda的命令行，执行如下指令：
（1）执行cd命令，转到你所解压到的PCV的文件夹中。
（2）输入python setup.py install。
（3）重启命令行，输入import PCV，如果没有报错，则说明PCV库安装成功。
（Note:也可以先不配置到python库中,直接跳过）

可能出现的问题

点击sift.exe文件运行

此时我的电脑报出由于找不到VCOMP100DLL,无法继续执行代码。重新安装程序可能会解决此问题
那么就可以下载对应的dll文件：
下载链接https://cn.dllfiles.com/vcomp100.dll.html。
64位系统对应64位，下载后放入C:\Windows\SysWOW64和C:\Windows\System32

配置项目

移动PCV

直接将解压之后pcv-master里的PCV移动到自己的pycharm项目下。
例如：

更改.\PCV\localdescriptors\sift.py

将.\PCV\localdescriptors\sift.py中变量cmmd进行更改。如下图所示，sift.exe后面有一个空格

def process_image(imagename,resultname,params="--edge-thresh 10 --peak-thresh 5"):
    """ Process an image and save the results in a file. """

    if imagename[-3:] != 'pgm':
        # create a pgm file
        im = Image.open(imagename).convert('L')
        im.save('tmp.pgm')
        imagename = 'tmp.pgm'

    cmmd = str("E:\\vlfeat-0.9.20\\bin\\win64\\sift.exe "+imagename+" --output="+resultname+
                " "+params)
    os.system(cmmd)
    print 'processed', imagename, 'to', resultname

测试

数据

现在项目下建立如下文件夹之后开始运行代码：

运行代码

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
import sys
from PCV.localdescriptors import sift

if len(sys.argv) >= 3:
    im1f, im2f = sys.argv[1], sys.argv[2]
else:
    im1f = 'a.jpg'
    im2f = 'b.jpg'

im1 = array(Image.open(im1f))
im2 = array(Image.open(im2f))

sift.process_image(im1f, 'out_sift_9.txt')
l1, d1 = sift.read_features_from_file('out_sift_9.txt')
figure()
gray()
subplot(121)
sift.plot_features(im1, l1, circle=False)

sift.process_image(im2f, 'out_sift_10.txt')
l2, d2 = sift.read_features_from_file('out_sift_10.txt')
subplot(122)
sift.plot_features(im2, l2, circle=False)

matches = sift.match_twosided(d1, d2)
print('{} matches'.format(len(matches.nonzero()[0])))


figure()
gray()
sift.plot_matches(im1, im2, l1, l2, matches, show_below=True)
show()

运行结果