0
点赞
收藏
分享

微信扫一扫

OpenCV BRIEF角点检测

BRIEF是一种特征描述子提取算法,并非特征点的提取算法,一种生成二值化描述子的算法,不提取代价低,匹配只需要使用简单的汉明距离利用比特之间的异或操作就可以完成。因此,时间代价低,空间代价低,效果还挺好是最大的优点。

实例化STAR

star = cv2.xfeatures2d.StarDetector_create()

实例化BRIEF

brief = cv2.xfeatures2d.BriefDescriptorExtractor_create()

利用star.detect检测关键点,没有对应的关键点描述

kp = star.detect(gray, None)

参数:

  • gray:进行关键点检测的图像(灰度图像)

返回

  • kp:关键点信息,包括位置,尺度,方向信息。

BRIEF检测关键点 计算特征描述符

kp, des = brief.compute(gray, kp)

参数:

  • gray:进行关键点检测的图像(灰度图像)
  • kp:输入特征点集合,无法计算描述符的特征点将被删除,有时可以添加新的特征点。

返回:

  • kp:关键点信息,包括位置,尺度,方向信息。
  • des:关键点描述符,每个关键点BRIEF特征向量,二进制字符串。

将关键点检测结果绘制在图像上

cv.drawKeypoints(image, keypoints, outputimage, color, flags)

参数:

  • image: 原始图像
  • keypoints:关键点信息,将其绘制在图像上
  • outputimage:输出图片,可以是原始图像
  • color:颜色设置,通过修改(b,g,r)的值,更改画笔的颜色,b=蓝色,g=绿色,r=红色。
  • flags:绘图功能的标识设置
  1. cv2.DRAW_MATCHES_FLAGS_DEFAULT:创建输出图像矩阵,使用现存的输出图像绘制匹配对和特征点,对每一个关键点只绘制中间。
  2. cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG:不创建输出图像矩阵,而是在输出图像上绘制匹配对。
  3. cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS:对每一个特征点绘制带大小和方向的关键点图形。
  4. cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS:单点的特征点不被绘制。

import cv2
from matplotlib import pyplot as plt

# 1.图像读取
img = cv2.imread('1.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 2.BRIEF角点检测
# 2.1初始化STAR检测器
star = cv2.xfeatures2d.StarDetector_create()

# 2.2初始化BRIEF特征提取器
brief = cv2.xfeatures2d.BriefDescriptorExtractor_create()

# 3.使用STAR寻找特征点
kp = star.detect(gray, None)

# 4.检测关键点 计算特征描述符
kp, des = brief.compute(gray, kp)

# 5.将关键点检测在图像上
img2 = cv2.drawKeypoints(img, kp, gray, color=(0, 0, 255))

print(brief.descriptorSize())
print(des.shape)

# 4.绘制图像
plt.figure(figsize=(10, 8), dpi=100)
plt.imshow(img2[:, :, ::-1])
plt.xticks([]),
plt.yticks([])
plt.show()

OpenCV BRIEF角点检测_特征点

BRIEF的缺点:
BRIEF的描述符在旋转的图像下表现不是很好。

举报

相关推荐

0 条评论