前言
OpenCV-Python Feature模块主要实现一些经典的局部特征描述算法,包括SIFT、SURF、ORB特征检测、特征匹配等。
版本问题
opencv-python 4.4.0刚刚发布啦,SIFT移入主库,以后可以快乐使用了。
不过由于是用pip安装的opencv-contirb-python包,在更高版本中SURF无法使用,想要用SURF还是需要安装3.4.2.16版本
pip install opencv-contrib-python==3.4.2.16
代码
特征检测实际上包含两个步骤:检测和描述。
检测是指将特征点的位置、方向等信息检测出来,描述指的是将这些特征点信息加以描述,形成128维或64维的特征描述子,以用于后续匹配。
OpenCV实现的特征检测接口包括detect()、compute()和detectAndCompute()函数,分别实现特征检测、特征描述,以及检测并描述一步到位。
SIFT和SURF特征检测步骤也大致相似,首先将图像转化为灰度图,然后创建一个对象,接着调用特征检测函数。使用drawKeyPoint()函数可以将检测到的特征点画出来。
SIFT
import cv2 as cv
import numpy as np
# 读取并转化为灰度图
img = cv.imread('home.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 创建sift对象,调用detectAndCompute()函数
sift = cv.SIFT_create()
kp, des = sift.detectAndCompute(gray,None)
# 画出特征点
img = cv.drawKeypoints(img, kp, img)
cv.imshow('SIFT Keypoints', img)
cv.imwrite('sift_keypoints.jpg', img)
cv.waitKey()
在drawKeyPoint()函数中,设置flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS可以画出带方向的sift特征。
![]() |
![]() |
SURF
import cv2 as cv
import numpy as np
# 读取并转化为灰度图
img = cv.imread('butterfly.jpg',0)
# 设置hessianThreshold,通常300-500适宜。这里为了画图清楚设为50000
surf = cv.xfeatures2d.SURF_create(50000)
kp, des = surf.detectAndCompute(img,None)
print(len(kp), des.shape)
img2 = cv.drawKeypoints(img, kp, None, (255,0,0), 4)
cv.imshow('SURF Keypoints', img2)
cv.imwrite('surf_keypoints.jpg', img2)
cv.waitKey()
kp和des的大小为
48 (48, 64)
参考
https://docs.opencv.org/4.4.0/da/df5/tutorial_py_sift_intro.html.
https://docs.opencv.org/4.4.0/df/dd2/tutorial_py_surf_intro.html.