利用OpenCV中的SIFT、SURF和ORB分别提取图像特征

感知小波

已于 2022-10-15 20:24:18 修改

阅读量913

点赞数

分类专栏：视觉SLAM OpenCV 文章标签： opencv 计算机视觉

于 2022-10-15 11:01:55 首次发布

本文链接：https://blog.csdn.net/luoqibo/article/details/127332374

版权

视觉SLAM 同时被 2 个专栏收录

3 篇文章 0 订阅

订阅专栏

OpenCV

1 篇文章 0 订阅

订阅专栏

最近看大佬的书，《机器人SLAM导航核心技术与实战》，里面涉及特征点的提取有多种算法, 写的很详细，也有很多大佬已经梳理了原理，如果想学习，可以参考以下资料：

https://github.com/xiihoo/Books_Robot_SLAM_Navigation

https://blog.csdn.net/qq_38338086/article/details/121673036

我这里就是实现一下，跑一下结果，看看效果。需要注意的是SIFT、SURF被封装在了opencv_contrib里面。在使用方面没有大的区别，简单的测试代码如下：

#include <vector>
#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
  
using namespace std;
using namespace cv;
  
int main(int argc, char** argv) {
     
    cv::Mat img = cv::imread("../data/1311875572.606060.png", CV_LOAD_IMAGE_GRAYSCALE);
 
    cv::Mat out_img,des;
    vector<cv::KeyPoint> pts;

    // SURF特征点检测
	Ptr<xfeatures2d::SURF> surf = xfeatures2d::SURF::create();//创建一个surf类对象并初始化
	surf->detect(img, pts, Mat());//找出关键点

    // // ORB特征点检测
	// Ptr<ORB> orb = ORB::create();
	// orb->detect(img, pts, Mat());

    // // SIFT特征点检测
    // Ptr<xfeatures2d::SIFT> sift=cv::xfeatures2d::SIFT::create();
    // sift->detect(img,pts,des);

	drawKeypoints(img, pts, out_img);
    cv::imshow("Image", out_img);
    // cv::imwrite("SURF.png",out_img);
    cv::waitKey(0);
    return 0;
 }

结果如下：

SIFT 速度很慢，提取的特征点质量比较高

SURF 速度一般，特征点的数量最多

ORB 速度很快，特征点的数量最少

综合评价：

计算速度： ORB>>SURF>SIFT
旋转鲁棒性： SURF>ORB~SIFT
模糊鲁棒性： SURF>ORB~SIFT
尺度变换鲁棒性： SURF>SIFT>ORB（ORB尺度变换性很弱）
在日常应用中，有SURF基本就不用考虑SIFT，SURF基本就是SIFT的全面升级版，当然也有其他SIFT的改进版比如Affine SIFT的效果就要比SUFR要好更多，但是计算时间也有延长，而ORB的强点在于计算时间。ORB主要还是在VSLAM中应用较多，场景变化不明显，但是需要高速的计算时间，这正好符合ORB。