特征检测和描述 OpenCV-Python v4.7.0 目录

• 了解特征

图像中的主要特征是什么？找到这些特征对我们有什么用？

• 哈里斯拐角检测

好吧，边角是好的特征？但我们如何找到它们呢？

• Shi-Tomasi角检测器和追踪的好特征

我们将研究Shi-Tomasi拐角检测

• SIFT（尺度不变量特征变换）的介绍

当图像的比例发生变化时，Harris角检测器不够好。Lowe开发了一种突破性的方法来寻找尺度不变的特征，它被称为SIFT。

• SURF（加速增强型特征）简介

SIFT确实很好，但速度不够快，所以人们想出了一个加速版本，叫做SURF。

• 角落检测的FAST算法

上述所有的特征检测方法在某种程度上都很好。但它们的速度不够快，无法在SLAM这样的实时应用中工作。于是就有了FAST算法，它是真正的 “FAST”。

• BRIEF（二进制独立基本特征）–Binary Robust Independent Elementary Features

SIFT使用一个具有128个浮点数字的特征描述符。考虑到成千上万的这种特征。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。但我们仍然要先计算它。现在有了BRIEF，它提供了寻找二进制描述符的捷径，内存更少，匹配更快，识别率仍然更高。

• ORB（定向的FAST和旋转的BRIEF）

SIFT和SURF做得很好，但如果你要在你的应用中使用它们，每年都要支付几美元呢？是的，它们是有专利的！！！！为了解决这个问题，OpenCV的开发人员想出了一个新的 "免费 "的SIFT和SURF的替代品，那就是ORB。

• 特征匹配

我们对特征检测器和描述符有了很大的了解。现在是时候学习如何匹配不同的描述符了。OpenCV提供了两种技术，Brute-Force匹配器和基于FLANN的匹配器。

• 特征匹配+同构图来寻找物体

现在我们知道了特征匹配。让我们把它与calib3d模块结合起来，在复杂的图像中寻找物体。