网站公共模板是什么,平度网站建设ld4,网络seo关键词优化技巧,有没有免费的简历制作网站前面我们已经了解了Harris函数来进行角点检测#xff0c;因为角点的特性#xff0c;这些角点在图像旋转的时候也可以被检测到。但是#xff0c;如果我们放大或缩小图像时#xff0c;就可能会丢失图像的某些部分#xff0c;甚至有可能增加角点的质量。这种损失的现象需要一… 前面我们已经了解了Harris函数来进行角点检测因为角点的特性这些角点在图像旋转的时候也可以被检测到。但是如果我们放大或缩小图像时就可能会丢失图像的某些部分甚至有可能增加角点的质量。这种损失的现象需要一种与图像比例无关的角点检测方法来解决。 SIFT(Scale-Invariant Feature Transform)尺度不变特征变换可以解决这个问题。
注意: SIFT 并不检测关键点(关键点由Difference of Gaussians检测)SIFT会通过一个特征向量来描述关键点周围区域的情况。DoG操作的最终结果会得到感兴趣的区域(关键点)这将通过SIFT来进行说明。
函数说明 sift cv2.SIFT_create([, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold]]]]) 参数 nfeatures 保留的最佳功能的数量。这些特征按其分数排名在SIFT算法中作为局部对比度测量。 nOctaveLayers每个八度中的层数。3是D.Lowe原作者论文中使用的值。八度的数量是根据图像分辨率自动计算的。 contrastThreshold用于过滤掉半均匀低对比度区域中的弱特征的对比度阈值。阈值越大检测器产生的特征越少。应用过滤时对比度阈值将被nOctaveLayers除。当nOctaveLayers设置为默认值并且如果要使用D.Lowe论文中使用的值0.03时请将此参数设置为0.09。 edgeThreshold用于过滤边缘特征的阈值。请注意其含义与contrastThreshold不同即edgeThreshold越大滤除的特征越少保留的特征越多。
返回值
sift实例化一个sift特征检测器。
示例对图像检测DoG特征并提取SIFT描述符
实验原图 import cv2
import numpy as npimg cv2.imread(images\\sumian.png)
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)sift cv2.xfeatures2d.SIFT_create()
keypoints, descriptor sift.detectAndCompute(gray, None)img cv2.drawKeypoints(image img, outImage img, keypoints keypoints, flags cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, color (0, 0, 255))cv2.imshow(sift, img)
cv2.waitKey()
cv2.destroyAllWindows()
发现是如果你沿用之前的代码即 descriptor cv2.xfeatures2d.SIFT_create() 会出现一个warning但不影响结果。
[ WARN:00.037] global shadow_sift.hpp:15 cv::xfeatures2d::SIFT_create DEPRECATED: cv.xfeatures2d.SIFT_create() is deprecated due SIFT tranfer to the main repository. https://github.com/opencv/opencv/issues/16736这是因为新版本的SIFT可以直接引用不再需要安装contrib包即 descriptor cv2.SIFT_create() 官方公告可参见 OpenCV Google Summer of Code 2020 新代码如下
import cv2img cv2.imread(images\\sumiao.png)
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#sift cv2.xfeatures2d.SIFT_create()
sift cv2.SIFT_create()
keypoints, descriptor sift.detectAndCompute(gray, None)img cv2.drawKeypoints(image img, outImage img, keypoints keypoints, flags cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, color (0, 0, 255))cv2.imshow(sift, img)
cv2.waitKey()
cv2.destroyAllWindows()运行效果
