37 Opencv SIFT 特征检测

文章目录

  • [Ptr<SIFT> SIFT::create](#Ptr<SIFT> SIFT::create)
  • 示例

Ptr SIFT::create

c 复制代码
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 复制代码
#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;
}
相关推荐
AndrewHZ15 分钟前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
TomatoSCI15 分钟前
聚类的可视化选择:PCA / t-SNE丨TomatoSCI分析日记
人工智能·机器学习
大咖分享课17 分钟前
深度剖析:最新发布的ChatGPT Agent 技术架构与应用场景
人工智能·openai·智能助手·ai代理·chatgpt agent·自主任务执行
lucky_lyovo28 分钟前
卷积神经网络--网络性能提升
人工智能·神经网络·cnn
liliangcsdn32 分钟前
smolagents - 如何在mac用agents做简单算术题
人工智能·macos·prompt
nju_spy36 分钟前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学
静心问道1 小时前
TrOCR: 基于Transformer的光学字符识别方法,使用预训练模型
人工智能·深度学习·transformer·多模态
说私域1 小时前
基于开源AI大模型、AI智能名片与S2B2C商城小程序源码的用户价值引导与核心用户沉淀策略研究
人工智能·开源
亲持红叶1 小时前
GLU 变种:ReGLU 、 GEGLU 、 SwiGLU
人工智能·深度学习·神经网络·激活函数
说私域1 小时前
线上协同办公时代:以开源AI大模型等工具培养网感,拥抱职业变革
人工智能·开源