openCV创建SIFT

已于 2023-04-09 14:34:33 修改
阅读量311 收藏 1
点赞数
分类专栏： python学习 文章标签： python
于 2023-04-09 14:34:13 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hmaodan/article/details/129785229
版权

语句：sift = cv2.SIFT_create()

报错：AttributeError: module 'cv2.cv2' has no attribute 'xfeatures2d'

AttributeError: module 'cv2.cv2' has no attribute 'SIFT-Creat'这两个问题轮流出现

 OpenCV version= 4.5.1.48

最后将opencv的版本改为最新版就行。opencv4.7.0

Hmaodan
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
关于SIFT和SURF介绍
deweicengyou的博客
04-06 2560
SIFT（尺度不变特征变换） 关于一些角点检测技术，比如 Harris 等。它们具有旋转不变特性，即使图片发生了旋转，我们也能找到同样的角点，但如果进行图像缩放，如图，原来的角点就不在是角点了，所以在 2004 年，D.Lowe 提出了一个新的算法：尺度不变特征变换（SIFT） ，这个算法可以帮助我们提取图像中的关键点并计算它们的描述符。 import cv2 import numpy as...
Python opencv 调用sift
Pierre_Hao的专栏
09-24 6193
安装python-opencv: apt-get install python-opencv import cv2 im = cv2.imread(‘aaa.jpg’) gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) #opencv 读取图片默认BGR sift = cv2.SIFT() keypoints,descriptors =
【OpenCV】 ⚠️高手勿入! 半小时学会基本操作 24⚠️ SIFT 算法
我是小白呀的博客
09-04 3221
【OpenCV】 ⚠️高手勿入! 半小时学会基本操作 24⚠️ SIFT 算法.
python+OpenCV笔记（三十二）：特征检测——SIFT与SURF示例
ReadyGo!!!的博客
02-01 7021
python+OpenCV笔记（三十二）：特征检测——SIFT与SURF示例
函数cv2.xfeatures2d.SIFT_create().detectAndCompute()的返回值
weixin_67957872的博客
11-27 3447
当opencv版本过高时cv2.xfeatures2d.SIFT_create()会出现如下情况。对图片进行分类时，可以用class_id对每个特征点进行区分，未设定时为-1，需要靠自己设定。这里使用的opencv版本是4.5.5，建议opencv版本是4.0以上时使用。sift因为是有版权的，opencv版本中有3.4.2.16可以直接使用。在学习sift进行图像拼接程序时，发现别人写的代码里有一块知识不懂。响应程度，准确的说是该点角点的程度。从金字塔哪一层提取的得到的数据。角度，表示关键点的方向。
最新OpenCV中SIFT算法例程
PoloveHtq的博客
05-15 1876
输出的图像是以参数的形式给出: cv2.drawKeypoints(gray,kp,img)新版OpenCV使用的SIFT函数: sift = cv2.SIFT_create()使用的SIFT函数: sift = cv2.SIFT()镜像安装最新OpencCV。
cv2--特征点特征提取（Sift，Orb，Surf）
Danger的博客
02-10 3223
cv2--特征点特征提取（Sift，Orb，Surf）
Opencv-Python学习（六）
随便写写东西
04-17 1206
一、SIFT算法 SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子 SIFT算法具有如下一些特点： 1.SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性； 2. 区分性（Distinctiveness）好，信息量丰富，适用于...
opencv 进阶15-检测DoG特征并提取SIFT描述符cv2.SIFT_create()
小海聊智造
08-22 1590
前面我们已经了解了Harris函数来进行角点检测，因为角点的特性，这些角点在图像旋转的时候也可以被检测到。但是，如果我们放大或缩小图像时，就可能会丢失图像的某些部分，甚至有可能增加角点的质量。这种损失的现象需要一种与图像比例无关的角点检测方法来解决。SIFT(Scale-Invariant Feature Transform)尺度不变特征变换可以解决这个问题。函数说明：nfeatures： 保留的最佳功能的数量。这些特征按其分数排名（在SIFT算法中作为局部对比度测量）。
OpenCV Python – 如何使用SIFT检测和绘制图像中的关键点？
AI333888的博客
08-22 792
（尺度不变特征变换）是一种尺度不变特征描述符。它可以检测图像中的关键点并计算其描述符。我们首先使用创建一个对象。然后使用检测关键点，是创建的对象。为了绘制关键点，我们使用。
基于opencv-python的sift、kmeans、bow图像检索.zip
04-05
该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由...
图像处理案例三之（2）SIFT特征点检测.docx
12-04
#创建SIFT对象 sift = cv.xfeatures2d.SIFT_create() #检测特征点,计算特征向量 kp1,des1= sift.detectAndCompute(gray1,None) kp2,des2 = sift.detectAndCompute(gray2,None) #绘制关键点 cv.drawKeypoints...
python opencv进行图像拼接
12-20
本文实例为大家分享了python opencv进行图像拼接的具体代码，供大家参考...1、提取图片的特征点、描述符，可以使用opencv创建一个SIFT对象，SIFT对象使用DoG方法检测关键点，并对每个关键点周围的区域计算特征向量。在
基于OpenCV的视频流处理.zip
最新发布
04-06
该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由...
基于OpenCV图像识别的2D斯诺克桌球辅助瞄准器.zip
04-06
该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由...
python+OpenCV笔记（三十六）：自定义物体检测器——创建、训练与保存物体检测器（依赖于支持向量机与BoW技术）
ReadyGo!!!的博客
02-06 4350
python+OpenCV笔记（三十六）：自定义物体检测器——创建、训练与保存物体检测器（依赖于支持向量机与BoW技术）
08- OpenCV进行图像的特征检测 (OpenCV系列) (机器视觉)
March_A的博客
01-08 1526
推荐Shi-Tomasi角点检测Harris角点检测计算的稳定性和K有关, 不稳定, shi-tomasi是优化版)。三种特征检测算法对比:SIFT 最慢, 准确率最高SURF 速度比SIFT快些, 准确率差些ORB速度最快, 可以实时检测, 准确率最差.两种特征匹配方式:BFMatcherFLANN(处理大数据集时效果较好)暴力特征匹配单应性矩阵的应用, 查找对应图形:(图像查找)直接读取为灰度图Harris角点检测shi-tomasi角点检测坐标画点cv2.circle。
OpenCV初尝试13——图像特征
m0_59021811的博客
04-11 3549
13 图像特征 13.1 Harris角点检测 Harris角点检测的思想是通过图像的局部的小窗口观察图像，角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化。 Harris角点检测的数学原理较为繁琐，直接上个链接，Harris角点检测 cv2.cornerHarris(img, blockSize, ksize, k) – img：数据类型为float32的输入图像 – blockSize：角点检测中要考虑的邻域大小 – ksize：sobel求导使用的核大小 – k：取值参数为[0.04, 0
SIFT（尺度不变特征变换）含代码
CSDN_Yangk的博客
10-18 934
sift
基于OpenCV的SIFT配准
06-12
SIFT配准是一种基于局部特征的图像配准方法，可以实现图片的旋转、平移和缩放等变换，并且对于一定的噪声、遮挡和亮度变化具有一定的鲁棒性。下面是基于OpenCV的SIFT配准的简单步骤： 1. 读取待配准的两张图片并转换为灰度图像。 ``` import cv2 # 读取图片 img1 = cv2.imread('img1.jpg') img2 = cv2.imread('img2.jpg') # 转换为灰度图像 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) ``` 2. 提取SIFT特征点并计算其描述符。 ``` sift = cv2.xfeatures2d.SIFT_create() # 提取特征点和描述符 kp1, des1 = sift.detectAndCompute(gray1, None) kp2, des2 = sift.detectAndCompute(gray2, None) ``` 3. 匹配特征点并筛选出匹配较好的点对。 ``` # 创建匹配器 matcher = cv2.BFMatcher() # 匹配特征点 matches = matcher.knnMatch(des1, des2, k=2) # 筛选匹配较好的点对 good_matches = [] for m, n in matches: if m.distance < 0.75 * n.distance: good_matches.append(m) ``` 4. 通过匹配点对计算变换矩阵。 ``` # 获取匹配点对的坐标 src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) # 计算变换矩阵 M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) ``` 5. 对待配准的图像进行变换。 ``` # 变换图像 result = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0])) # 将变换后的图像和待配准的图像拼接在一起 result[0:img2.shape[0], 0:img2.shape[1]] = img2 ``` 这样就完成了基于OpenCV的SIFT配准。需要注意的是，SIFT算法属于计算量较大的算法，处理大图像时可能需要一定的时间。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值