cv2 BRIEF特征描述符

最新推荐文章于 2022-07-20 21:06:39 发布
最新推荐文章于 2022-07-20 21:06:39 发布
阅读量709 收藏
点赞数
分类专栏： Python Opencv(CV2)学习与实战 文章标签： 找不到  cv2.xfeature2d module cv2 BRIEF
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/github_39611196/article/details/81159394
版权
Opencv(CV2)学习与实战 同时被 2 个专栏收录
64 篇文章 279 订阅 ¥19.90 ¥99.00
订阅专栏
Python
72 篇文章 6 订阅
订阅专栏

本篇博客主要介绍cv2中中的BRIEF特征描述符。

首先解决cv2中找不到  cv2.xfeature2d 的问题。

在 https://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到

下载所需版本,复制到python安装目录下的Lib\site-packages目录，然后在cmd中cd到Lib\site-packages目录，运行pip install  opencv_python-3.x.0+contrib-cpxx-cpxxm-win  xxxxx.whl即可，已经安装的版本会被自动卸载，重新安装为指定的版本。

 

出现 下列错误解决方案：

ImportError: numpy.core.multiarray failed to import
了解本专栏 订阅专栏 解锁全文
cchangcs
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
BRIEF描述子 python源码实现及基于opencv实现
07-15
BRIEF描述子 python源码实现及基于opencv实现，BRIEF特征点描述，Bianry Robust Independent Elementary Features
【OpenCV 例程 300篇】244. 特征检测之 BRIEF 特征描述
youcans的博客
10-20 1912
BRIEF算子对检测到的特征点构造特征描述子，特点是直接生成二进制字符串作为特征描述符，效率很高。 BRIEF 建立描述子的速度很快，生成的二进制描述子便于高速匹配，且便于在硬件上实现。 BRIEF 算法不涉及特征点检测方法，需要配合 FAST、SURF、CenSurE 等特征点检测算法使用。
BRIEF描述子原理、 python源码实现及基于opencv实现
xiaohuolong的博客
07-20 2592
BRIEF描述子原理、 python源码实现及基于opencv实现，BRIEF特征点描述
(四)OpenCV中的特征检测之BRIEF(二进制强大的独立基本特征)
y=f(x)的专栏
06-04 2602
注释：本文翻译自OpenCV3.0.0 document->OpenCV-Python Tutorials，包括对原文档种错误代码的纠正1.概述SIFT使用具有128个浮点数的特征描述符。 考虑成千上万个这样的特征 。 它需要大量的内存和更多的时间进行匹配。 我们可以压缩它以使其更快。 但是我们仍然必须先计算它。这里有BRIEF，它提供了寻找具有更少内存的二进制描述符的快捷方式，更快的匹配以...
OpenCV学习笔记-BRIEF
云中寻雾的博客
06-04 1707
原理转载自https://blog.csdn.net/luoshixian099/article/details/48338273，后面的代码是我用python实现的还有两个博主的讲解也很清楚：点击打开链接，点击打开链接传统的特征点描述子如SIFT,SURF描述子，每个特征点采用128维(SIFT)或者64维(SURF)向量去描述，每个维度上占用4字节，SIFT需要128×4=512字节内存，SU...
permutation importance
思过留痕
06-17 5432
哪些特征对预测的影响最大？ 这或许是对一个模型提出的最基本问题之一。 这个概念就是所谓得到特征重要性。 有多种方法来衡量特征重要性。这篇文章Machine Learning Explainability Home Page采用了permutation importance（在此简称PI）方法。 PI思路 常规思路，我们或许很容易想到，在训练模型的时候很容易得到特征得到重要性，比如树模型直接可以输出特征重要性，但是这个特征对整体的预测效果有多大影响啊？我们可以这样做，首先让全部特征参与训练然后预测得出scor
BRIEF特征描述子
12-30
特征点描述子 brief 算法 2010提出，是速度最快的特征点匹配算法，但是不支持旋转。
SURF+brief.zip_SURF实现_brief_surf_特征匹配
09-21
基于opencv库的条件下，实现SURF+brief算法的特征点的提取与匹配，直接复制粘贴即可
BRIEF算法论文 和CenSurE特征匹配 论文
03-18
第一篇论文BRIEF: Binary Robust Independent Elementary Features 第二篇论文CenSurE: Center Surround Extremas for Realtime Feature Detection and Matching
Panorama:使用DoG关键点检测器，BRIEF描述符和RANSAC进行全景图像拼接
05-03
全景图使用DoG关键点检测器，BRIEF描述符和RANSAC进行全景图像拼接文件夹结构：/ data->具有我用来测试实现的所有数据图像/ matlab->具有.mat文件和存储变量的源代码注意：作为我的计算机视觉课程的一部分
PIIFD描述符matlab源代码
05-10
《A Partial Intensity Invariant Feature Descriptor for multimodal retinal image registration》论文的matlab源代码
opencv SIFT、特征点属性、特征描述符计算
人工智能笔记
07-23 1372
本章内容: 1. 初步认识 cv::SIFT 特征点检测 2. 特征点属性 3. 特征描述符计算 4. 特征点检测，特征描述符计算 1. 初步认识 cv::SIFT 输出结果: 2. 特征点属性 输出结果 3. 特征描述符计算 输出结果 4. 特征点以及特征描述子计算 输出结果 源码 #include <ostream> #include <openc...
opencv（十八）-关键点和描述符
cutemypig的博客
09-21 1679
索引目录1.关键点的类cv::KeyPoint2.cv::Feature2D-查找并计算描述符3.cv::DMatch-匹配器4.cv::DescriptorMatcher 关键点匹配类5.关键点滤波器6. 匹配方法参考 关键点和描述符的是三个主要的应用场景就是跟踪，目标识别和立体建模。不过不管是哪种用途，根本的处理逻辑确实类似的：首先找出图像中的关键点，之后选取一种描述符，最后基于关键点的描述符查找匹配 —— detect-describe-match。 1.关键点的类cv::KeyPoint class
特征提取算法与图像描述符[ORB]
gukedream的专栏
02-12 1365
ORB特征算法 ORB算法综合了FAST角点检测算法和BRIEFF描述符。 FAST特征检测 算法原理 opencv官方文档 FAST只是一种特征点检测算法，并不涉及特征点的特征描述。 fast = cv2.FastFeatureDetector_create(threshold=10) img = cv2.imread("laugh.jpg", 0) fast = cv2.Fa...
opencv学习——cv2.xfeatures2d.SIFT_create().detectAndCompute()
热门推荐
ei1990的博客
10-19 3万+
import cv2 import numpy as npdef SIFT(img): I = cv2.imread(img) # gray = cv2.cvtColor(I, cv2.COLOR_BGR2GRAY) descriptor = cv2.xfeatures2d.SIFT_create() (kps, features) = descriptor.dete
python opencv cv2 基础操作4 Extracting Features
xinfeng2005的专栏
04-13 2145
#coding=utf-8 import cv2 #cv2.__version__==3.2.0 import numpy as np #Extracting Features #Detecting the corners # img=cv2.imread('corner.bmp',cv2.IMREAD_ANYCOLOR) # gray = cv2.cvtColor(img,cv2.COL
Brief特征点描述
小李的专栏
12-15 2763
简介BRIEF是2010年在ECCV 的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章提出的，BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快了特征描述符建立的速度，同时也极大的降低了特征匹配的时间，是一种非常快速，很有潜力的算法。原理介绍前人通过对大
python opencv入门 BRIEF算法（36）
@fei
03-18 2486
内容来自OpenCV-Python Tutorials 自己翻译整理 目标： 了解BRIEF算法的基本原理 原理： 在SIFT算法使用128维的描述符，因为使用float类型描述，所以需要512字节的内存。 在SURF算法中，以64维描述符来计算，至少需要256字节的内存。 在创建一个含有数千个特征的向量会消耗大量的内存，这种情况在资源的有限的设备上不实用，尤其是嵌入式设备。 此外，计...
【特征检测】BRIEF特征点描述算法
hujingshuang
07-16 3万+
BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快了特征描述符建立的速度，同时也极大的降低了特征匹配的时间，是一种非常快速，很有潜力的算法。
flann 二进制描述符匹配
最新发布
06-09
二进制描述符匹配是指使用二进制描述符来进行图像匹配，比如使用ORB（Oriented FAST and Rotated BRIEF）算法生成的二进制描述符。在FLANN中，可以使用二进制描述符作为输入数据，然后通过构建kd树或者kmeans树来...

“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
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

打赏作者

cchangcs

谢谢你的支持~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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