本文介绍如何在OpenCV中使用SIFT来获得二维图像的特征。
这里不描述如何配置OpenCV,具体自己另行百度。需要指出的是,有些OpenCV版本中,modules里没有"nonfree"模块,这里推荐使用OpenCV2.4.13的版本。
注意以下几个点,
1.包含特定的头文件
2.使用CvtColor函数将多通道图像转换为灰度图
3.创建一个SIFT对象,给定一些阈值。也可以使用默认参数,直接这样
SIFT sift2;
4.特征提取分为两步走,第一步是检测关键点,二是生成描述子。
关键点被存储在一个vector<KeyPoint>中;
描述子被存储在一个Mat中,是一个width=128,height = 特征数的矩阵。因为每一个描述子都是128维的向量。正常情况下,SIFT描述向量的长度应该是1的,但由于某种原因,在OpenCV中,描述向量的每一个元素都是小于255的整数。
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include<nonfree/features2d.hpp>
#include<nonfree/nonfree.hpp>
using namespace cv;
#include<vector>
#include<iostream>
using namespace std;
int main()
{
char* file_path = "C:/Users/cslay/Desktop/recent/data/image/cat.tiff";//改成一个存在的图片路径
Mat image_in = imread(file_path);
Mat gray;
cvtColor(image_in, gray, CV_32FC1);
SIFT sift(0, 3, 0.04, 10, 1.6);
vector<KeyPoint> kps;
Mat desc;
sift.detect(gray, kps);
sift.compute(gray, kps, desc);
}
5. 值得提出的是,在有些示例代码中是这样的:
SiftFeatureDetector detector;
detector.detect(gray, kps);
SiftDescriptorExtractor extractor;
extractor.compute(gray, kps, desc);
实际上,从feature2d.hpp中我们可以发现这样的语句
也就是说SiftFeatureDetector和SiftDescriptorExtractor都和SIFT是同一个类,这样写看起来比较形象。
6.关键点以KeyPoint形式来存储,获得关键点的坐标可以这样:
//vector<KeyPoint>kps;
for(int i=0;i<kps.size();i++)
{
cout<<kps[i].pt.x<<“ ”<<kps[i].pt.y<<endl;
}
欢迎交流cslayee#163dotCOM