【opencv学习笔记】SURF特征点检测(未完待续)

2024-02-16 10:53:16

简介

特征检测

特征检测是从图像中自动提取对象特征用以表述该对象，
同时还可以利用得到的特征数据描述在不同的图像中发现相同的对象，
（一旦得到两个对象的描述子，
就可以使用它们实现特征数据的匹配与比对，
从而分辨出它们是否具有相似性）
而且特征对对象的旋转、缩放、光照等具有不变性

SURF（speed up robust feature）是加速版的SIFT

SURF可以用于对象定位和识别、人脸识别、3D重建、对象跟踪和提取兴趣点等。常用来进行物体辨识和图像匹配。
检测可分为三步
< 1 > 检测特征点
< 2 > 描述特征点
< 3 > 匹配特征点
特征点的特性
一、容易被检测到，只要这个点所对应的那个物体还在摄像头的视野范围内，那么这个点就能被检测出来。比如角点，边界点，亮处的暗点，暗处的亮点等，一言以蔽之，就是与周围有反差的点
二、不受明暗光线变化的影响

相关函数介绍

1. 构造函数

类SURF中成员函数create()参数说明

static Ptr<SURF> create(double hessianThreshold=100,        //hessian关键点检测器的阈值，默认在300-500之间
                         int nOctaves = 4,              //表示在4个尺度空间
                         int nOctaveLayers = 3,     //每个尺度空间的层数
                         bool extended = false, //扩展描述符标志（true使用扩展的128个元素的描述符，false使用64个元素的描述符）
                         bool upright = false//旋转的特征标志（true不计算方向，false计算方向）
);

2.KeyPoint类

KeyPoint类是一个为特征点检测而生的数据结构，用于形容特征点。

class KeyPoint
{  
   Point2f pt;   // 坐标
   float size;  // 特征点领域直径
   float angle; // 特征点的方向
   float response;
   int octave;   // 特征点所在的图像金字塔的组
   int class_id;   // 用于聚类的id
}

3.detect()函数

用来检测图像或图像集中的关键点。

void detect(  InputArray image,     //图像
              vector<KeyPoint>& keypoints,//  检测到的关键点
              InputArray mask=noArray() //指定在哪里寻找关键点的掩码（必须是在感兴趣区域中具有非零值的8位整数矩阵）
);

4.drawKeypoints()函数

绘制关键点

void drawKeypoints(InputArray image,
                   //源图像
                   vector<KeyPoint>& keypoints, 
                   //根据源图像得到的特征点，输出参数
                   InputOutputArray outImage,
                   //输出图像，其内容取决于第五个参数
                   const Scalar& color=Scalar::all(-1),
                    //关键点的颜色
                   int flags=DrawMatchesFlags::DEFAULT 
                   //设置绘图功能的标志
);

关于第五个参数

DEFAULT=0：只绘制特征点的坐标点,显示在图像上就是一个个小圆点,每个小圆点的圆心坐标都是特征点的坐标。
DRAW_OVER_OUTIMG=1：函数不创建输出的图像,而是直接在输出图像变量空间绘制,要求本身输出图像变量就是一个初始化好了的,size与type都是已经初始化好的变量
NOT_DRAW_SINGLE_POINTS=2：单点的特征点不被绘制
DRAW_RICH_KEYPOINTS=4：绘制特征点的时候绘制的是一个个带有方向的圆,这种方法同时显示图像的坐标,size，和方向,是最能显示特征信息的一种绘制方式。

码农公寓

简介