OpenCV-Python|Feature模块 — 特征检测

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.