ORB特征点检测（面向C++）

1，ORB特征点检测的优点

• SURF特征点已经对SIFT进行过改进，提高了计算速度，但是应用在没有GPU的环境中仍然很难保证算法的实时性。ORB特征点以计算速度快著称，是SURF的10倍，SIFT的100倍。因此近些年来在计算机视觉领域广泛应用。

2，ORB特征点检测原理*

ORB特征点由FAST角点与BRIEF描述子组成，首先通过FAST角点确定图像中与周围像素存在明显差异的像素点作为关键点，之后计算每个关键点的BRIEF描述子，从而唯一确定ORB特征点。
FAST角点通过比较图像像素灰度值变化确定关键点，其核心思想：如果在某个灰度值较小的区域中存在一个灰度值明显较大的像素点，此像素点在该区域就会有明显特征，以此作为特征点。此算法比较某区域中心像素灰度值与周围像素灰度值的关系，如果周围像素值与中心像素灰度值相比存在较大差异，那么可以判定其为FAST角点，计算过程如下：
第一步：选择某个像素点作为中心点*p*,其像素值为*Ip*。
第二步：设置判定FAST角点的像素阈值，例如*Tp=20%*Ip*
第三步：比较中心点p的像素值与半径为3的圆周上所有像素的像素值，如果存在连续N个像素的像素值大于（*Ip+Tp*）或者小于（*Ip-Tp*）那么中心点p为FAST角点，N一般选择12，称为FAST-12角点。
第四步：遍历图像中每个像素点，重复上述步骤，计算图像中的FAST角点。

**3，使用ORB类

Opencv4提供了直接检测图像ORB特征点的ORB类及其相关函数，该类继承了Features2D类，因此可以通过Features2D类中的detect()函数与compute()函数计算关键点和描述子，但是，前提是要先定义ORB类变量，用于表明从Features2D类中继承的函数是计算ORB特征点及ORB特征点数目等。ORB类中提供了create()函数用于创建ORB类变量，该函数原型如下。
static  Ptr<ORB>cv::ORB::create(int nfeatures=500,
                                float  scaleFactor=1.2f,
                                 int  nlevels=8,
                                 int  edgeThreshold=31,
                                 int  firstLevel=0,
                                 int  WTA_K=2,
                                ORB::ScoreType  scoreType=ORB::HARRIS_SCORE,
                                 int   patchSize=31,
                                 int   fastThreshold =20)

nfeatures:检测ORB特征点的数目。
scaleFactor:"金字塔"尺寸缩小的比例，如果是2，那么表示“金字塔”的下层图像尺寸是上层图像的2倍。
nlevels:"金字塔"层数。
edgeThreshold:边缘阈值。
firstLevel:将原图像放入“金字塔”中的等级，例如放入第0层。
WTA_K:生成每位描述子时需要的像素点数目。
scoreType:检测关键点时关键点的评价方法。
patchSize:生成描述子时关键点周围邻域的尺寸。
fastThreshold:计算FAST角点时像素值差值的阈值。

以下是使用案例：

#include<opencv2\opencv.hpp>
#include<iostream>
#include<vector>
using namespace std;
using namespace cv;
int main() {

	Mat img = imread("D:/样本/lena.png");
	if (!img.data) {
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	Ptr<ORB>orb = ORB::create(500, 1.2f, 8, 31, 0, 2, ORB::HARRIS_SCORE, 31, 20);
	vector<KeyPoint>Keypoints;
	orb->detect(img, Keypoints);
	Mat descriptions;
	orb->compute(img, Keypoints, descriptions);
	Mat imgAngel;
	img.copyTo(imgAngel);
	drawKeypoints(img, Keypoints, img, Scalar(255, 255, 255));
	drawKeypoints(img, Keypoints, imgAngel, Scalar(255, 255, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	imshow("不含角度和大小的结果", img);
	imshow("含有角度和大小的结果", imgAngel);
	waitKey(0);
	return 0;
}