opencv_C++ SIFT::create( ) 函数

SIFT算法需要安装额外的扩展模块，安装步骤和注意事项见我博客：https://blog.csdn.net/qq_27396861/article/details/88095820

cv::xfeatures2d::SIFT::create( int nfeatures = 0, int nOctaveLayers = 3,
    double constrastThreshold = 0.04, double edgeThreshold = 10,
    double sigma = 1.5 )

（1）nfeatures，保留的最佳特性的数量。特征按其得分进行排序(以SIFT算法作为局部对比度进行测量)；
（2）nOctavelLayers，高斯金字塔最小层级数，由图像自动计算出；
（3）constrastThreshold，对比度阈值用于过滤区域中的弱特征。阈值越大，检测器产生的特征越少。；
（4）edgeThreshold ，用于过滤掉类似边缘特征的阈值。 请注意，其含义与contrastThreshold不同，即edgeThreshold越大，滤出的特征越少；
（5）sigma，高斯输入层级， 如果图像分辨率较低，则可能需要减少数值。

示例：

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/xfeatures2d/nonfree.hpp>
#include <iostream>
using namespace cv;
using namespace cv::xfeatures2d;
using namespace std;

int main()
{
	Mat srcImage = imread("curry_dlt.jpg");

	int numFeatures = 20;
	Ptr<SIFT> dectector = SIFT::create(numFeatures);

	vector<KeyPoint> keypoints;
	dectector->detect(srcImage, keypoints, Mat());
	printf("Total keypoints: %d\n", keypoints.size());

	Mat keypoint_img;
	drawKeypoints(srcImage, keypoints, keypoint_img, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
	imshow("keypoint_img", keypoint_img);

	waitKey(0);
	return 0;
}

效果图：