cv2–特征点特征提取（Sift，Orb，Surf）

文章目录

• cv2--特征点特征提取（Sift，Orb，Surf）
• • 1. 关键点和关键点描述子
  • 2. Sift
  • • 2.1 检测的步骤
    • 2.2 同时计算关键点kp和描述子des
  • 3. Surf
  • 4. Orb
  • 5. 总结

1. 关键点和关键点描述子

• kp（关键点）：位置、大小、方向
• des（关键点描述子）：记录了关键点周围对其有贡献的像素点的一组向量值，不受仿射变换、光照变换等影响。

2. Sift

• Scale-Invariant Feature Transform ：与缩放无关的特征转换
• 解决问题：Harris角点检测，当图像缩放后，原来的角点可能会消失如下图所示。SIFT就是为了解决这一问题。

2.1 检测的步骤

# 1.创建SIFT对象  
sift = cv2.SIFT_create()# 2.进行检测  
kp = sift.detect(img , mask) # mask感兴趣区域，默认None# 3.绘制关键点  
drawKeypoints(gray , kp , img) # img是要绘制的图片

2.2 同时计算关键点kp和描述子des

kp, des = sift.detectAndCompute(img, mask=None)
# mask : 指明对img的哪个区域进行计算，其作用是进行特征匹配

3. Surf

• Speeded-Up Robust Features
• SIFT最大的问题是速度慢，所以有了该算法。

# 1.创建对象 
surf = cv2.xfeatures2d.SURF_create()# 2.计算关键点和描述子  
kp,des = surf.detectAndCompute(img , mask)

检测结果同SIFT，检测到的角点会少一点。

4. Orb

• Oriented FAST and Rotated BRIEF
• 优点：可以做到实时检测。

orb = cv2.ORB_create()
kp,des = orb.detectAndCompute(gray,None)

orb看到检测到的特征点非常少，这是因为实时性提高了，计算量减少了，只留下关键点。

5. 总结

记录一下，方便自己使用。