计算机视觉(特征检测)- DoG 和 SIFT 进行特征提取描述
- 学习前言
- 一、DoG 和 SIFT 进行特征提取描述
- 二、主要API介绍
-
- 1、```sift =cv2.SIFT_create([, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold]]]]) ```
- 2、```keypoints = sift .detect(image[, mask]) ```
- 3、```outImage = cv2.drawKeypoints(image, keypoints, outImage[, color[, flags]] ) ```
- 3、```keypoints, descriptors = sift.detectAndCompute(image, mask) ```
- 三、代码&效果图
学习前言
最近学特征检测学得有点入迷,所以就索性写了几篇角点检测的博客,今天这篇SIFT也可以进行角点检测,不过我没有把它归类到角点检测那一类中,其原理和不同我就放在博客正文中去写了~好好学习天天向上!!!
个人建议:大概了解,学会用就行了,真心没必要弄清楚。
一、DoG 和 SIFT 进行特征提取描述
以角点检测算法——Harris角点检测为例。Harris角点检测可以很好的检测到角点,这与角点本身的特性也有关系,就算在图像旋转的情况下,也能将角点检测出来。然而,如果减小(或增加)图像的大小,那么图像就会丢失某些部分,甚至有可能增加角点的质量。
举个例子就上图:
原图: