surf与sift特征点检测代码实现

本文转自： http://blog.csdn.net/holybin/article/details/17247657

概述

       在opencv的features2d中实现了SIFT和SURF算法，可以用于图像特征点的自动检测。具体实现是采用SurfFeatureDetector/SiftFeatureDetector类的detect函数检测SURF/SIFT特征的关键点，并保存在vector容器中，最后使用drawKeypoints函数绘制出特征点。

       实验所用环境是opencv2.4.0+vs2008+win7，测试图片是：

SURF特征点检测

实验代码如下。这里需要注意SurfFeatureDetector是包含在opencv2/nonfree/features2d.hpp中，所以应该include这个头文件，并且在“项目属性->链接器->输入->附加依赖项”中加入库文件：opencv_nonfree240d.lib。

[cpp] view plain copy print ?

1. /** 
2. * @SURF特征点检测并绘制特征点 
3. * @author holybin 
4. */  
5.   
6. #include <stdio.h>  
7. #include <iostream>  
8. #include "opencv2/core/core.hpp"  
9. #include "opencv2/highgui/highgui.hpp"  
10. //#include "opencv2/features2d/features2d.hpp"  
11. #include "opencv2/nonfree/features2d.hpp"   //SurfFeatureDetector实际在该头文件中  
12. using namespace cv;  
13. using namespace std;  
14.   
15. int main( int argc, char** argv )  
16. {  
17.     Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );  
18.     //Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );  
19.   
20.     if( !src.data )  
21.     {  
22.         cout<< " --(!) Error reading images "<<endl;  
23.         return -1;  
24.     }  
25.   
26.     //1--初始化SURF检测算子  
27.     int minHessian = 400;  
28.     SurfFeatureDetector detector( minHessian );  
29.   
30.     //2--使用SURF算子检测特征点  
31.     vector<KeyPoint> keypoints;  
32.     detector.detect( src, keypoints );  
33.   
34.     //3--绘制特征点  
35.     Mat keypointImg;  
36.     drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );  
37.     imshow("SURF keypoints", keypointImg );  
38.     cout<<"keypoint number: "<<keypoints.size()<<endl;  
39.   
40.     waitKey(0);  
41.     return 0;  
42. }  

/**
* @SURF特征点检测并绘制特征点
* @author holybin
*/

#include <stdio.h>
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
//#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/features2d.hpp"	//SurfFeatureDetector实际在该头文件中
using namespace cv;
using namespace std;

int main( int argc, char** argv )
{
	Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );
	//Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );

	if( !src.data )
	{
		cout<< " --(!) Error reading images "<<endl;
		return -1;
	}

	//1--初始化SURF检测算子
	int minHessian = 400;
	SurfFeatureDetector detector( minHessian );

	//2--使用SURF算子检测特征点
	vector<KeyPoint> keypoints;
	detector.detect( src, keypoints );

	//3--绘制特征点
	Mat keypointImg;
	drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );
	imshow("SURF keypoints", keypointImg );
	cout<<"keypoint number: "<<keypoints.size()<<endl;

	waitKey(0);
	return 0;
}

检测结果：

SIFT特征点检测

同样的，使用SIFT特征描述子进行特征点检测的过程类似，只不过换成了SiftFeatureDetector类，实验代码如下：

[cpp] view plain copy print ?

1. /** 
2. * @SIFT特征点检测并绘制特征点 
3. * @author holybin 
4. */  
5.   
6. #include <stdio.h>  
7. #include <iostream>  
8. #include "opencv2/core/core.hpp"  
9. #include "opencv2/highgui/highgui.hpp"  
10. //#include "opencv2/features2d/features2d.hpp"  
11. #include "opencv2/nonfree/features2d.hpp"   //SiftFeatureDetector实际在该头文件中  
12. using namespace cv;  
13. using namespace std;  
14.   
15. int main( int argc, char** argv )  
16. {  
17.     Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );  
18.     //Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );  
19.   
20.     if( !src.data )  
21.     {  
22.         cout<< " --(!) Error reading images "<<endl;  
23.         return -1;  
24.     }  
25.   
26.     //1--初始化SIFT检测算子  
27.     //int minHessian = 400;  
28.     SiftFeatureDetector detector;//( minHessian );  
29.   
30.     //2--使用SIFT算子检测特征点  
31.     vector<KeyPoint> keypoints;  
32.     detector.detect( src, keypoints );  
33.   
34.     //3--绘制特征点  
35.     Mat keypointImg;  
36.     drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );  
37.     imshow("SIFT keypoints", keypointImg );  
38.     cout<<"keypoint number: "<<keypoints.size()<<endl;  
39.   
40.     waitKey(0);  
41.     return 0;  
42. }  

/**
* @SIFT特征点检测并绘制特征点
* @author holybin
*/

#include <stdio.h>
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
//#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/features2d.hpp"	//SiftFeatureDetector实际在该头文件中
using namespace cv;
using namespace std;

int main( int argc, char** argv )
{
	Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );
	//Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );

	if( !src.data )
	{
		cout<< " --(!) Error reading images "<<endl;
		return -1;
	}

	//1--初始化SIFT检测算子
	//int minHessian = 400;
	SiftFeatureDetector detector;//( minHessian );

	//2--使用SIFT算子检测特征点
	vector<KeyPoint> keypoints;
	detector.detect( src, keypoints );

	//3--绘制特征点
	Mat keypointImg;
	drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );
	imshow("SIFT keypoints", keypointImg );
	cout<<"keypoint number: "<<keypoints.size()<<endl;

	waitKey(0);
	return 0;
}

检测结果：

从检测结果可以看出，SURF算子检测到的特征点远远多于SIFT算子，至于检测的精确度如何，后面试试利用SIFT和SURF算子进行特征点匹配来区分。