返回资讯中心
外部精选
软件工程
#开发者实时流

Show HN:纯 Rust 实现已过期专利 SIFT 算法,零 unsafe 代码

来源标题:Show HN: Pure-sift – 100% pure-Rust implementation of expired SIFT patent

开发者发布 pure-sift,用 100% 纯 Rust 实现已过期专利的 SIFT 算法,全程禁用 unsafe 代码,且不依赖 OpenCV、C/C++ 或 CMake。该项目包含 CLI、视觉目录索引器和 Axum HTTP 工作台,同时支持 2D 相似变换 RANSAC 和 4 点 DLT 平面单应性估计。代码可交叉编译到静态二进制、Docker、移动端和 WebAssembly。

Hacker News 最新dannkkie2026/11/12 · 5 天前12 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

一个 100% 纯 Rust 编写、零 unsafe 代码(#![forbid(unsafe_code)])的计算机视觉引擎、CLI 工具、视觉目录索引器和 Axum HTTP 工作台,实现了 SIFT(尺度不变特征变换,专利 US6711293B1 已过期)、2D 相似变换 RANSAC 以及四点 DLT 平面单应性 RANSAC。

没有任何 C/C++ FFI,不依赖 OpenCV/CMake/LLVM 构建工具链——可以干净地编译成静态二进制文件、Docker sidecar、移动端目标和 WebAssembly(使用 --no-default-features 会去掉 axum/tokio)。

在旋转、缩放的航拍切片之间匹配到 636 个几何 RANSAC 内点(pure-sift visualize-matches)。

平面 3x3 单应性对齐与羽化混合拼接(pure-sift align)。

尺度空间 DoG 关键点(src/pipeline.rs):可分离高斯金字塔、高斯差分、Hessian 边缘过滤,以及 3D Taylor 亚像素/亚尺度极值精化(在平滑高斯斑块上定位精度 < 0.12 px)。

规范方向与 128 维 SIFT 描述子:支持 ≥ 80% 的次方向峰值分裂,并用 Rayon 并行化提取 128 维描述子。

几何验证与对齐:Lowe 比值匹配、2D 相似变换 RANSAC、带地平线保护的 4 点 DLT 3x3 单应性估计(estimate_homography_ransac),以及双线性逆映射羽化混合拼接(src/visualize.rs)。

视觉目录搜索(src/catalog.rs):先用 128 位 XOR + POPCNT 做粗粒度汉明距离初筛,再用精确的 128 维 L2 距离加几何 RANSAC 验证。

CLI + 可选的单二进制 Web UI(src/main.rs、src/web_ui.html):开箱即用的 Axum API,以及内嵌的 3 标签页浏览器工作台(关键点与描述子、匹配与拼接对齐、视觉目录搜索)。

快速开始 作为 Rust 库使用 在 Cargo.toml 中添加 pure-sift(WASM、移动端或不含 axum/tokio 的纯库构建请使用 default-features = false): [dependencies] pure-sift = { version = "0.1", default-features = false } image = "0.25" use image::ImageReader; use pure_sift::{ DEFAULT_CONTRAST_THRESHOLD, DEFAULT_MATCH_RATIO, DEFAULT_RANSAC_REPROJ_THRESHOLD, estimate_homography_ransac, extract_sift_features, luma_to_array2, match_descriptors, }; fn main() -> Result<(), Box<dyn std::error::Error>> { let q_luma = ImageReader::open("query.jpg")?.decode()?.into_luma8(); let t_luma = ImageReader::open("target.jpg")?.decode()?.into_luma8(); let q_feats = extract_sift_features(&luma_to_array2(&q_luma), 3, 3, DEFAULT_CONTRAST_THRESHOLD); let t_feats = extract_sift_features(&luma_to_array2(&t_luma), 3, 3, DEFAULT_CONTRAST_THRESHOLD); let matches = match_descriptors(&q_feats, &t_feats, DEFAULT_MATCH_RATIO); let (inliers, homography) = estimate_homography_ransac(&matches, DEFAULT_RANSAC_REPROJ_THRESHOLD); println!("RANSAC Homography inliers: {} / {}", inliers.len(), matches.len()); if let Some(h) = homography { println!("3x3 Homography matrix: {:?}", h.matrix); Ok(()) 运行内嵌 Web UI 与 HTTP 微服务 cargo run --release -- serve --bind 127.0.0.1:3000

Open http://127.0.0.1:3000/ in your browser

作为 CLI 工具使用

Build release binary

cargo build --release

Extract DoG keypoints & 128-D SIFT descriptors

./target/release/pure-sift extract image.jpg --descriptors --pretty -o features.json

Match features & estimate 2D Similarity + 3x3 Homography transforms

./target/release/pure-sift match query.jpg target.jpg --pretty -o matches.json

Render keypoint overlay or side-by-side inlier matches

./target/release/pure-sift visualize image.jpg -o keypoints.png ./target/release/pure-sift visualize-matches query.jpg target.jpg -o matches.png

Warp & feather-blend query onto target via Homography

./target/release/pure-sift align query.jpg target.jpg -o aligned.png

Build and query a 128-bit Hamming + RANSAC visual catalog

./target/release/pure-sift catalog-build ./photos -o catalog.json ./target/release/pure-sift catalog-search catalog.json probe.jpg --pretty HTTP API 端点 GET / — 内嵌的交互式 HTML/JS SIFT 与 RANSAC 工作台 GET /health — JSON 就绪探针 POST /api/v1/process-features — 提取关键点(及可选的 128 维描述子) POST /api/v1/match-features — 匹配两张图像 + 相似变换与单应性变换 POST /api/v1/visualize-features — 关键点尺度/方向叠加 PNG POST /api/v1/align-images — 拼接单应性变形(mode=stitch)或匹配连线(mode=matches)PNG GET /api/v1/catalog | POST /api/v1/catalog/index | POST /api/v1/catalog/search 基准测试与规范 完整数学推导与 US6711293B1 合规说明:patent_analysis.md 使用 pure-sift 测试的真实相机验证基准: 杂乱场景中的物体(box.png vs. box_in_scene.png):17/22 相似变换内点,18/22 单应性内点 Oxford VGG 3D 视角倾斜(graf1.png vs. graf3.png):52/103(50.5%)单应性内点,仅刚性相似变换为 11/103 10 兆像素单反全景(boat1.jpg vs. boat2.jpg,3888x2592):470/617(76.2%)单应性内点,拼接为 5411x2998 许可证 以下任一许可证双授权:

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →