python特征点匹配_opencv+Python特征检测及K-最近邻匹配

鉴于即将启程旅行，先上传篇简单的图像检索介绍，与各位一起学习opencv的同学共勉

一.特征检测

图片的特征主要分为角点，斑点，边，脊向等，都是常用特征检测算法所检测到的图像特征·

1.Harris角点检测

先将图片转换为灰度模式，再使用以下函数检测图片的角点特征：

dst=cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])

重点关注第三个参数，这里使用了Sobel算子，简单来说，其取为3-31间的奇数，定义了角点检测的敏感性，不同图片需要进行调试。

k 是 Harris 角点检测方程中的自由参数，取值参数为[0,04，0.06].

2.DoG角点检测及SIFT特征变换

Harris角点检测在面对图像尺度性发生改变时极其容易丢失图像细节，造成检测失误。因此在检测图像特征时，常常我们需要一些拥有尺度不变性的特征检测算法。

DoG角点检测即将两幅图像在不同参数下的高斯滤波结果相减，得到DoG图。步骤：用两个不同的5x5高斯核对图像进行卷积，然后再相减的操作。重复三次得到三个差分图A,B,C。计算出的A,B,C三个DOG图中求图B中是极值的点。图B的点在当前由A,B,C共27个点组成的block中是否为极大值或者极小值。若满足此条件则认为是角点。

SIFT对象会使用DoG检测关键点，并对每个关键点周围的区域计算特征向量。事实上他仅做检测和计算，其返回值是关键点信息(关键点)和描述符。

#下列代码即先创建一个SIFT对象，然后计算灰度图像

sift = cv2.xfea