OpenCV学习之路（二十四） 特征检测

官方文档

参考博文 图像局部特征点检测算法综述

SIFT 特征点提取

图像特征点提取

特征点检测需要用到 OpenCV扩展包。

 

SURF 算子

OpenCV 中关于 SURF 算法的部分，常常涉及到的是 SURF、SurfFeatureDetector、SurfDescriptorExtractor 这三个类。

typedef SURF SurfFeatureDetector;
typedef SURF SurfDescriptorExtractor;

因此三者其实等价。

1. drawKeyPoints() 函数，绘制关键点。函数原型如下：

void drawKeyPoints(const Mat& image, 
                   const vector<KeyPoint>& keyPoints, 
                   Mat& outImage, 
                   const Scalar& color = Scalar::all(-1), 
                   int flags = DrawMatchesFlags::DEFAULT);

（1）第一个参数，const Mat& 类型的 src，输入图像。

（2）第二个参数，const vector<KeyPoint>& 类型的keypoints，根据原图像检测得到的特征点。

（3）第三个参数，Mat& 类型的 outImage，输出图像，其内容取决于第五个参数标识符 flags。

（4）第四个参数，const Scalar& 类型的 color，关键点的颜色，默认值为 Scalar::all(-1)。

（5）第五个参数，int 类型的 flags，绘制关键点的特征标识符，默认值为 DrawMatchedFlags::DEFAULT。可以在如下结构体中取值：

struct DrawMatchesFlags
{
    enum
    {
        DEFAULT = 0, //创建输出图像矩阵（使用 Mat::create），使用现存的输出图像绘制匹配对和特征                                                                            
                      点。且对每一个关键点，只绘制中间点
        DRAW_OVER_OOUTIMG = 1, //不创建输出图像矩阵，而是在输出图像上绘制匹配对
        NOT_DRAW_SINGLE_POINTS = 2, //单点特诊点不被绘制
        DRAW_RICH_KEYPOINTS = 4, //对每一个关键点，绘制带大小和方向的关键点圆圈
    };
};

 keyPoint 类，用于表示特征点的数据结构。如下所示：

class KeyPoint
{
    Point2f pt; //坐标
    float size; //特征点邻域直径
    float angle; //特征点的方向，值为 [0,360]，负值表示不适用
    float response; 
    int octave; //特征点所在的图像金字塔的组
    int class_id; //用于聚类的 id
}

 

2.drawMatches() 函数，绘制匹配点。函数原型如下：

void drawMatches(const Mat& img1, 
                 const vector<KeyPoint>& keypoints1, 
                 const Mat& img2, 
                 const vector<KeyPoint>& keypoints2, 
                 const vector<DMatch>& matches1to2, 
                 Mat& outImg, 
                 const Scalar& matchColor = Scalar::all(-1), 
                 const Scalar& singlePointColor = Scalar::all(-1), 
                 const vector<char>& matchesMask = vector<char>(), 
                 int flags = DrawMatchesFlags::DEFAULT);

（1）第一个参数，第一幅源图像。

（2）第二个参数，第一幅源图像检测到的特征点集合。

（3）第三个参数，第二幅源图像。

（4）第四个参数，第二幅源图像检测到的特征点集合。

（5）第五个参数，第一幅图像到第二幅图像的匹配点。即表示图1中的特征点在图2中有对应的匹配点。

（6）第六个参数，输出图像，其内容取决于第十个参数 flags。

（7）第七个参数，匹配的输出颜色，即线和匹配点的颜色。默认值为 Scalar::all(-1)，表示颜色是随机生成的。

（8）第八个参数，单一特征点的颜色，默认值为 Scalar::all(-1)。

（9）第九个参数， matchesMask，确定哪些匹配是会绘制出来的掩膜，默认值为空，表示所有的都绘制。

（10 第十个参数，int 类型的 flags，特征绘制的标识符。参考 drawKeyPoints() 函数参数说明。

 

简单示例代码如下：

#include<stdio.h>
#include<iostream>
#include "opencv2/core.hpp"
#include "opencv2/features2d.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/xfeatures2d.hpp"

using namespace cv;
using namespace std;
using namespace cv::xfeatures2d;

int main()
{
	Mat srcSurfImg1 = imread("graf1.png");
	Mat srcSurfImg2 = imread("graf3.png");

	//使用 SURF 算子进行检测关键点
	int minHessian = 1000; //SURF 算法中的 hessian 阈值

	Ptr<SURF> detector = SURF::create();
	detector->setHessianThreshold(minHessian);

	// 检测特征点，并计算特征向量
	vector<KeyPoint> keyPoints1, keyPoints2;
	Mat descriptors1, descriptors2;
	detector->detectAndCompute(srcSurfImg1, Mat(), keyPoints1, descriptors1);
	detector->detectAndCompute(srcSurfImg2, Mat(), keyPoints2, descriptors2);

	//使用 BruteForce 进行匹配
	BFMatcher matcher(NORM_L2);
	vector<DMatch> matches;
	matcher.match(descriptors1, descriptors2, matches);

	//绘制匹配出的关键点
	Mat dstMatchImg;
	drawMatches(srcSurfImg1, keyPoints1, srcSurfImg2, keyPoints2, matches, dstMatchImg);

	imshow("效果图", dstMatchImg);

	waitKey(0);
	return 0;
}

运行结果如下：