OpenCV学习笔记（二）——特征提取与描述

最新推荐文章于 2025-03-14 11:39:24 发布

GilgameshD

最新推荐文章于 2025-03-14 11:39:24 发布

阅读量1w

点赞数 3

分类专栏： opencv教程文章标签： opencv 算法

本文链接：https://blog.csdn.net/qq_25543287/article/details/71296100

版权

这篇博客介绍了OpenCV中用于特征提取的三种算法：SURF、SIFT和ORB。特征点是图像中变化明显的点，常用于神经网络和SLAM领域。SURF算法稳定但对主方向的判断可能不准确，SIFT则是一种稳定的局部特征，而ORB是快速且适用于实时系统的特征描述子。文章还提及了这些算法的优缺点以及编译示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

OpenCV学习笔记（二）——特征提取与描述

1. 特征点简介

什么是特征点？大体上说就是图像中变化比较明显的点，比如角点或者边界，在一面白色的墙上是提取不到任何特征点的。特征点有点类似于矩阵的特征值（当然只是一个比喻），用少量的bit描述大部分的图像信息，不管在神经网络还是SLAM领域，特征点都有非常多的用途。
我们平时提到特征点一般包括特征提取子和特征描述子两部分，提取子就是先采用算法检测出来一定的特征，比如FAST特征子和SIFT特征自，然后我们要再对于特征进行描述，比如BRIEF描述子和SIFT描述子，描述子可以用来进行匹配，原理就是两个描述子的距离比较近意味着这两个特征子很相似。
下面介绍常用的三种特征子以及opencv的使用例程。

2. SURF（Speed Up Robust Feature）

Surf采用 Henssian 矩阵获取图像局部最值还是十分稳定的，但是在求主方向阶段太过于依赖局部区域像素的梯度方向，有可能使得找到的主方向不准确，后面的特征向量提取以及匹配都严重依赖于主方向，即使不大偏差角度也可以造成后面特征匹配的放大误差，从而匹配不成功。
Surf是一种只利用到灰度性质的算法，忽略了色彩信息。

#include <opencv2/core/core.hpp>

#include <opencv2/highgui/highgui.hpp>

#include <opencv2/features2d/features2d.hpp>
#include <opencv2/nonfree/nonfree.hpp>

using namespace std;
using namespace cv;

int main(int argc, char *argv[])
{
    // 读入图像
    cv::Mat image = cv::imread("../demo1.jpeg");

    cv::namedWindow("Original Image");
    cv::imshow("Original Image", image);


    // 特征点的向量
    std::vector<cv::KeyPoint> keypoints;

    // 构造SURF特征检测器
    cv::SurfFeatureDetector surf;

    //

最低0.47元/天解锁文章