文章目录
- [Ptr<SIFT> SIFT::create](#Ptr<SIFT> SIFT::create)
- 示例
Ptr SIFT::create
c
Ptr<SIFT> SIFT::create(
int nfeatures = 0,
int nOctaveLayers = 3,
double contrastThreshold = 0.04,
double edgeThreshold = 10,
double sigma = 1.6
);
参数说明:
nfeatures:
类型:int
默认值:0
描述:要保留的最大关键点数量。如果设置为 0 或负数,则不对关键点数量进行限制。
nOctaveLayers:
类型:int
默认值:3
描述:每个八度(octave)中的尺度层数量。这决定了金字塔每一层生成多少个尺度空间图像。更多的层意味着更精细的尺度变化检测。
contrastThreshold:
类型:double
默认值:0.04
描述:对比度阈值。只有当关键点的主曲率比这个阈值大时才会被保留。较高的值会减少检测到的关键点数量,但提高稳定性。较低的值则相反。
edgeThreshold:
类型:double
默认值:10
描述:边缘响应阈值。用于过滤掉那些位于边缘上的不稳定关键点。具体来说,它控制了Hessian矩阵两个特征值的比例。较小的值会导致更多的边缘点被保留,而较大的值则会更加严格地排除这些点。
sigma:
类型:double
默认值:1.6
描述:应用于初始图像的高斯模糊标准差。这是构建尺度空间金字塔的第一步,用来确保在不同尺度下的一致性。
示例
c
#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp> // 包含了OpenCV扩展功能模块,如SIFT等高级特征检测算法
#include <iostream>
using namespace cv;
using namespace std;
using namespace cv::xfeatures2d; // 使用cv::xfeatures2d命名空间以访问SIFT类
int main(int argc, char** argv) {
// 加载灰度图像
Mat src = imread("D:/vcprojects/images/test.png", IMREAD_GRAYSCALE);
if (src.empty()) { // 检查是否成功加载图像
printf("could not load image...\n");
return -1;
}
namedWindow("input image", CV_WINDOW_AUTOSIZE); // 创建一个窗口用于显示输入图像
imshow("input image", src); // 显示输入图像
// SIFT特征检测初始化
int numFeatures = 400; // 设置SIFT算法要检测的最大特征点数量
Ptr<SIFT> detector = SIFT::create(numFeatures); // 创建SIFT特征检测器实例
vector<KeyPoint> keypoints; // 定义一个向量用于存储检测到的关键点
detector->detect(src, keypoints, Mat()); // 在源图像中检测关键点,不使用掩码
printf("Total KeyPoints : %d\n", keypoints.size()); // 打印检测到的总关键点数
// 绘制关键点到图像
Mat keypoint_img;
drawKeypoints(src, keypoints, keypoint_img, Scalar::all(-1), DrawMatchesFlags::DEFAULT); // 绘制关键点,默认颜色,显示大小和方向
namedWindow("SIFT KeyPoints", CV_WINDOW_AUTOSIZE); // 创建一个窗口用于显示带有关键点的图像
imshow("SIFT KeyPoints", keypoint_img); // 显示带有关键点的图像
waitKey(0); // 等待按键事件
return 0;
}