利用python学习OpenCV,个人感觉比较方便。函数的形式与C++基本相同,所以切换过来还是比较好的,对于像我这种对python不太熟练的人,使用python的集成开发环境PyCharm进行学习,可以设置断点调试,有助于我这类初学者理解掌握。
下面是利用python语言结合OpenCV进行SIFT特征检测的代码:
# -*- coding:utf-8 -*-
__author__ = 'Microcosm'
import cv2
import numpy as np
img = cv2.imread("E:\python\Python Project\opencv_showimage\images\lena.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
sift = cv2.SIFT()
# kp 是所有128特征描述子的集合
kp = sift.detect(gray, None)
print len(kp)
# 找到后可以计算关键点的描述符
Kp,res = sift.compute(gray, kp)
print Kp # 特征点的描述符
print res # 是特征点个数*128维的矩阵
# 还可以用下面的函数直接检测并返回特征描述符
kp2,res1 = sift.detectAndCompute(gray,None)
print "******************************"
print res1
img = cv2.drawKeypoints(img, kp, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow("sift", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
注:opencv 的版本不能太低,否则无法使用cv2.SIFT()这个函数,程序会报错,我的是Opencv2.4.9的,没问题,下面是运行的结果:
python3.0 以上版本配合opencv3.0以上的版本
SIFT及SURF等都被集成到contrib中,所以与之前的版本要区分开
import cv2
import numpy as np
img = cv2.imread('lena.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
siftDetector = cv2.xfeatures2d.SIFT_create(100)
kp,res = siftDetector.detectAndCompute(gray,None)
print(len(kp))
print(res)
img = cv2.drawKeypoints(img,outImage=img,keypoints=kp, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow("sift",img)
cv2.waitKey(0)
cv2.destroyAllWindows()