（转载自http://blog.csdn.net/xiaowei_cqu） opencv特征检测器 FeatureDetector

【OpenCV】特征检测器 FeatureDetector

分类： 【OpenCV】

OpenCV提供FeatureDetector实现特征检测及匹配

[cpp]  view plain copy

1. class CV_EXPORTS FeatureDetector  
2. {  
3. public:  
4.     virtual ~FeatureDetector();  
5.     void detect( const Mat& image, vector<KeyPoint>& keypoints,  
6.         const Mat& mask=Mat() ) const;  
7.     void detect( const vector<Mat>& images,  
8.         vector<vector<KeyPoint> >& keypoints,  
9.         const vector<Mat>& masks=vector<Mat>() ) const;  
10.     virtual void read(const FileNode&);  
11.     virtual void write(FileStorage&) const;  
12.     static Ptr<FeatureDetector> create( const string& detectorType );  
13. protected:  
14.     ...  
15. };  

FeatureDetetor是虚类，通过定义FeatureDetector的对象可以使用多种特征检测方法。通过create()函数调用：

[cpp]  view plain copy

1. Ptr<FeatureDetector> FeatureDetector::create(const string& detectorType);  

OpenCV 2.4.3提供了10种特征检测方法：

• "FAST" – FastFeatureDetector
• "STAR" – StarFeatureDetector
• "SIFT" – SIFT (nonfree module)
• "SURF" – SURF (nonfree module)
• "ORB" – ORB
• "MSER" – MSER
• "GFTT" – GoodFeaturesToTrackDetector
• "HARRIS" – GoodFeaturesToTrackDetector with Harris detector enabled
• "Dense" – DenseFeatureDetector
• "SimpleBlob" – SimpleBlobDetector
  

图片中的特征大体可分为三种：点特征、线特征、块特征。

FAST算法是Rosten提出的一种快速提取的点特征 [1]，Harris与GFTT也是点特征，更具体来说是角点特征（ 参考这里）。

SimpleBlob是简单块特征，可以通过设置 SimpleBlobDetector的参数决定提取图像块的主要性质，提供5种：

颜色  By color、面积  By area、圆形度  By circularity、最大inertia （不知道怎么翻译）与最小inertia的比例  By ratio of the minimum inertia to maximum inertia、以及凸性  By convexity.

最常用的当属SIFT，尺度不变特征匹配算法（ 参考这里）；以及后来发展起来的SURF，都可以看做较为复杂的块特征。这两个算法在OpenCV nonfree的模块里面，需要在附件引用项中添加opencv_nonfree243.lib，同时在代码中加入：

[cpp]  view plain copy

1. initModule_nonfree();  

至于其他几种算法，我就不太了解了 ^_^

一个简单的使用演示：

[cpp]  view plain copy

1. int main()  
2. {  
3.   
4.     initModule_nonfree();//if use SIFT or SURF  
5.     Ptr<FeatureDetector> detector = FeatureDetector::create( "SIFT" );  
6.     Ptr<DescriptorExtractor> descriptor_extractor = DescriptorExtractor::create( "SIFT" );  
7.     Ptr<DescriptorMatcher> descriptor_matcher = DescriptorMatcher::create( "BruteForce" );  
8.     if( detector.empty() || descriptor_extractor.empty() )  
9.         throw runtime_error("fail to create detector!");  
10.   
11.     Mat img1 = imread("images\\box_in_scene.png");  
12.     Mat img2 = imread("images\\box.png");  
13.   
14.     //detect keypoints;  
15.     vector<KeyPoint> keypoints1,keypoints2;  
16.     detector->detect( img1, keypoints1 );  
17.     detector->detect( img2, keypoints2 );  
18.     cout <<"img1:"<< keypoints1.size() << " points  img2:" <<keypoints2.size()   
19.         << " points" << endl << ">" << endl;  
20.   
21.     //compute descriptors for keypoints;  
22.     cout << "< Computing descriptors for keypoints from images..." << endl;  
23.     Mat descriptors1,descriptors2;  
24.     descriptor_extractor->compute( img1, keypoints1, descriptors1 );  
25.     descriptor_extractor->compute( img2, keypoints2, descriptors2 );  
26.   
27.     cout<<endl<<"Descriptors Size: "<<descriptors2.size()<<" >"<<endl;  
28.     cout<<endl<<"Descriptor's Column: "<<descriptors2.cols<<endl  
29.         <<"Descriptor's Row: "<<descriptors2.rows<<endl;  
30.     cout << ">" << endl;  
31.   
32.     //Draw And Match img1,img2 keypoints  
33.     Mat img_keypoints1,img_keypoints2;  
34.     drawKeypoints(img1,keypoints1,img_keypoints1,Scalar::all(-1),0);  
35.     drawKeypoints(img2,keypoints2,img_keypoints2,Scalar::all(-1),0);  
36.     imshow("Box_in_scene keyPoints",img_keypoints1);  
37.     imshow("Box keyPoints",img_keypoints2);  
38.   
39.     descriptor_extractor->compute( img1, keypoints1, descriptors1 );    
40.     vector<DMatch> matches;  
41.     descriptor_matcher->match( descriptors1, descriptors2, matches );  
42.   
43.     Mat img_matches;  
44.     drawMatches(img1,keypoints1,img2,keypoints2,matches,img_matches,Scalar::all(-1),CV_RGB(255,255,255),Mat(),4);  
45.   
46.     imshow("Mathc",img_matches);  
47.     waitKey(10000);  
48.     return 0;  
49. }  

特征检测结果如图：

Box_in_scene

Box

特征点匹配结果：

Match

另一点需要一提的是 SimpleBlob的实现是有Bug的。不能直接通过 Ptr<FeatureDetector> detector = FeatureDetector::create("SimpleBlob");  语句来调用，而应该直接创建  SimpleBlobDetector的对象：

[cpp]  view plain copy

1.        Mat image = imread("images\\features.jpg");  
2. Mat descriptors;  
3. vector<KeyPoint> keypoints;  
4. SimpleBlobDetector::Params params;  
5. //params.minThreshold = 10;  
6. //params.maxThreshold = 100;  
7. //params.thresholdStep = 10;  
8. //params.minArea = 10;   
9. //params.minConvexity = 0.3;  
10. //params.minInertiaRatio = 0.01;  
11. //params.maxArea = 8000;  
12. //params.maxConvexity = 10;  
13. //params.filterByColor = false;  
14. //params.filterByCircularity = false;  
15. SimpleBlobDetector blobDetector( params );  
16. blobDetector.create("SimpleBlob");  
17. blobDetector.detect( image, keypoints );  
18. drawKeypoints(image, keypoints, image, Scalar(255,0,0));  

以下是SimpleBlobDetector按颜色检测的图像特征：

[1] Rosten. Machine Learning for High-speed Corner Detection, 2006

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）

更多 1

• 上一篇：【Paper】利用循环移位实现描述子分类