前面我們已經(jīng)了解了Harris函數(shù)來進(jìn)行角點(diǎn)檢測，因?yàn)榻屈c(diǎn)的特性，這些角點(diǎn)在圖像旋轉(zhuǎn)的時候也可以被檢測到。但是，如果我們放大或縮小圖像時，就可能會丟失圖像的某些部分，甚至有可能增加角點(diǎn)的質(zhì)量。這種損失的現(xiàn)象需要一種與圖像比例無關(guān)的角點(diǎn)檢測方法來解決。

SIFT(Scale-Invariant Feature Transform)尺度不變特征變換可以解決這個問題。

注意: SIFT 并不檢測關(guān)鍵點(diǎn)(關(guān)鍵點(diǎn)由Difference of Gaussians檢測)，SIFT會通過一個特征向量來描述關(guān)鍵點(diǎn)周圍區(qū)域的情況。DoG操作的最終結(jié)果會得到感興趣的區(qū)域(關(guān)鍵點(diǎn))，這將通過SIFT來進(jìn)行說明。

函數(shù)說明：

sift =cv2.SIFT_create([, nfeatures[, nOctaveLayers[,
contrastThreshold[, edgeThreshold]]]])

參數(shù)：

• nfeatures： 保留的最佳功能的數(shù)量。這些特征按其分?jǐn)?shù)排名（在SIFT算法中作為局部對比度測量）。

• nOctaveLayers：每個八度中的層數(shù)。3是D.Lowe（原作者）論文中使用的值。八度的數(shù)量是根據(jù)圖像分辨率自動計算的。

• contrastThreshold：用于過濾掉半均勻（低對比度）區(qū)域中的弱特征的對比度閾值。閾值越大，檢測器產(chǎn)生的特征越少。應(yīng)用過濾時，對比度閾值將被nOctaveLayers除。當(dāng)nOctaveLayers設(shè)置為默認(rèn)值并且如果要使用D.Lowe論文中使用的值0.03時，請將此參數(shù)設(shè)置為0.09。

• edgeThreshold：用于過濾邊緣特征的閾值。請注意，其含義與contrastThreshold不同，即edgeThreshold越大，濾除的特征越少（保留的特征越多）。

返回值：

• sift：實(shí)例化一個sift特征檢測器。

示例：對圖像檢測DoG特征并提取SIFT描述符

實(shí)驗(yàn)原圖：

import cv2
import numpy as np

img = 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()

發(fā)現(xiàn)是，如果你沿用之前的代碼即

descriptor = cv2.xfeatures2d.SIFT_create()

會出現(xiàn)一個warning，但不影響結(jié)果。

[ WARN:0@0.037] 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

這是因?yàn)樾掳姹镜腟IFT可以直接引用，不再需要安裝contrib包，即

descriptor = cv2.SIFT_create()

官方公告可參見 OpenCV Google Summer of Code 2020

新代碼如下：

import cv2


img = 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()

運(yùn)行效果：

文章來源地址http://www.zghlxwxcb.cn/news/detail-673921.html

到了這里，關(guān)于opencv 進(jìn)階15-檢測DoG特征并提取SIFT描述符cv2.SIFT_create()的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！