使用OpenCV中的SIFT实现(尺度不变特征提取)
2018-07-07 21:57
225 查看
本文介绍如何在OpenCV中使用SIFT来获得二维图像的特征。
这里不描述如何配置OpenCV,具体自己另行百度。需要指出的是,有些OpenCV版本中,modules里没有"nonfree"模块,这里推荐使用OpenCV2.4.13的版本。
注意以下几个点,
1.包含特定的头文件
2.使用CvtColor函数将多通道图像转换为灰度图
3.创建一个SIFT对象,给定一些阈值。也可以使用默认参数,直接这样
SIFT sift2;4.特征提取分为两步走,第一步是检测关键点,二是生成描述子。
关键点被存储在一个vector<KeyPoint>中;
描述子被存储在一个Mat中,是一个width=128,height = 特征数的矩阵。因为每一个描述子都是128维的向量。正常情况下,SIFT描述向量的长度应该是1的,但由于某种原因,在OpenCV中,描述向量的每一个元素都是小于255的整数。
[code]#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include<nonfree/features2d.hpp>#include<nonfree/nonfree.hpp>using namespace cv;#include<vector>#include<iostream>using namespace std;int main(){char* file_path = "C:/Users/cslay/Desktop/recent/data/image/cat.tiff";//改成一个存在的图片路径Mat image_in = imread(file_path);Mat gray;cvtColor(image_in, gray, CV_32FC1);SIFT sift(0, 3, 0.04, 10, 1.6);vector<KeyPoint> kps;Mat desc;sift.detect(gray, kps);sift.compute(gray, kps, desc);}
5. 值得提出的是,在有些示例代码中是这样的:
SiftFeatureDetector detector;detector.detect(gray, kps);SiftDescriptorExtractor extractor;extractor.compute(gray, kps, desc);实际上,从feature2d.hpp中我们可以发现这样的语句
也就是说SiftFeatureDetector和SiftDescriptorExtractor都和SIFT是同一个类,这样写看起来比较形象。
6.关键点以KeyPoint形式来存储,获得关键点的坐标可以这样:
//vector<KeyPoint>kps;
for(int i=0;i<kps.size();i++){ cout<<kps[i].pt.x<<“ ”<<kps[i].pt.y<<endl;}欢迎交流cslayee#163dotCOM
相关文章推荐
- 尺度不变特征变换(SIFT)特征提取分析
- OpenCV中feature2D学习——SIFT和SURF算子实现特征点提取与匹配
- 使用OPENCV自带的sift提取特征
- 尺度不变特征变换(SIFT)特征提取分析
- 使用openCV提取sift;surf;hog特征
- SIFT特征提取及其opencv实现
- Lowe的SIFT(尺度不变特征变换)程序使用详细说明
- 【图像特征提取12】OpenCv的SIFT图像局部特征提取描述算法C++代码的实现
- OpenCV中feature2D学习——SIFT和SURF算子实现特征点提取与匹配
- Lowe的SIFT(尺度不变特征变换)程序使用详细说明
- OpenCV实现SfM(一):双目三维重建(包含SIFT特征点提取)
- 使用Opencv2.4.9进行SIFT特征点提取和匹配
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)
- 尺度不变特征转换(SIFT):特征提取
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)
- 使用OPENCV自带的sift提取特征
- openMP的一点使用经验(图像特征提取OpenCV)
- SIFT算法学习:特征提取函数的使用
- 图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
- opencv 提取SIFT特征的程序