opencv SIFT关键点检测+计算SIFT描述子_sift drawkeypoints

SIFT(Scale-Invariant Feature Transfrom)

SIFT出现的原因

• Harris 角点具有旋转不变的特性
• 但缩放后，原来的角点有可能就不是角点了

使用SIFT的步骤

• 创建SIFT对象
• 进行检测，kp = sift.detect(img,…)
• 绘制关键点，drawKeypoints(gray, kp, img)

import cv2 as cv
import numpy as np

# 读取图片
img = cv.imread(r'C:\Users\Administrator\Desktop\chess.png')
# 灰度化
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 检测特征点
sift = cv.xfeatures2d.SIFT_create()  # 创建SIFT对象
kp = sift.detect(gray, None)   # 对整个图像进行检测，掩码设为None
cv.drawKeypoints(gray, kp, img)  # 绘制特征点

# 显示图像
cv.imshow('img', img)
cv.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

计算SIFT描述子

关键点和描述子

• 关键点：位置，大小和方向
• 关键点描述子：记录了关键点周围对其有贡献的像素点的一组向量值，其不受仿射变换、光照变换等的影响

计算描述子

• kp,des=sift.compute(img,kp)
• 其作用就是进行特征匹配

同时计算关键点和描述子的API

• kp,des=sift.detectAndCompute(img,…)
• mask:指明对img中哪个区域进行计算

import cv2 as cv
import numpy as np

# 读取图片
img = cv.imread(r'C:\Users\Administrator\Desktop\chess.png')
# 灰度化
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 检测特征点+描述子
sift = cv.xfeatures2d.SIFT_create()  # 创建SIFT对象
kp, des = sift.detectAndCompute(gray, None)   # 对整个图像进行检测，掩码设为None
print(des)
cv.drawKeypoints(gray, kp, img)  # 绘制特征点

# 显示图像
cv.imshow('img', img)
cv.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

---

C:\ProgramData\Anaconda3\envs\tensorflow\python.exe H:/python_study/opencv/BILILI/sift.py 
[[  0.   0.   6. ...   0.   0.   2.]
 [  0.  64. 129. ...   0.   0.   9.]
 [  0.   0.   1. ...   0.   0.   2.]
 ...
 [  0.   0.  20. ...  13.   0.   0.]
 [  8.   5.   4. ...   0.   0.   1.]
 [  0.  42. 111. ...   0.   0.   4.]]

进程已结束,退出代码0
1
2
3
4
5
6
7
8
9
10