sift特征检测的代码实现及重要参数解析

AI_dataloads

已于 2023-10-23 19:53:34 修改

阅读量379

点赞数

文章标签： opencv 计算机视觉人工智能

于 2023-10-19 21:46:04 首次发布

本文链接：https://blog.csdn.net/AI_dataloads/article/details/133935121

版权

关于sift特征检测的原理请看这篇文章：SIFT特征检测（超详细）

代码展示

#导入所需要的库
import cv2
import numpy as np

# 读取原始图片
face = cv2.imread('face1.jpg')
# 转换为灰度图
gray = cv2.cvtColor(face, cv2.COLOR_BGR2GRAY)
# 实例化sift对象
sift = cv2.SIFT_create()
'''sift特征检测器来查找图像中的关键点（也称为特征点）和计算它们的描述子
        每个关键点对象包含了有关关键点的信息，例如位置、尺度、方向等'''
kps = sift.detect(gray)
# 在原始图像上绘制出关键点
face_sift = cv2.drawKeypoints(face, kps, face.copy(), flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('face_sift', face_sift)
cv2.waitKey(0)
# 使用sift.compute（）计算关键点点的描述符，以便后期的特征配对
kps, des = sift.compute(face, kps)
# 返回kps和des的维度信息
print(np.array(kps).shape, des.shape)

运行结果：

其中需要提到的一个方法是： cv2.drawKeypoints(image, keypoints, outImage, color, flags)

image: 要绘制关键点的输入图像。
keypoints: 包含关键点信息的列表，通常是通过特征检测器（如SIFT、SURF、ORB等）检测得到的。
outImage: 可选参数，用于指定绘制关键点后的输出图像。如果不提供此参数，函数会直接在输入图像上绘制关键点。
color: 可选参数，用于指定绘制关键点的颜色。默认情况下，关键点通常以随机颜色绘制。你可以指定颜色，例如 (0, 255, 0) 表示绿色，来绘制关键点的颜色。
flags: 可选参数，用于指定绘制关键点的附加标志。其中包括以下选项：
- cv2.DRAW_MATCHES_FLAGS_DEFAULT：默认标志，没有特殊设置。
- cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：如果设置了这个标志，关键点将被绘制为彩色圆圈，其中圆圈的大小表示关键点的尺度，圆圈内部有一个小圆点表示关键点的方向。