ORB（Oriented FAST and Rotated BRIEF），2011年提出，是一種快速特征點提取和描述的算法。ORB特征是將FAST特征點的檢測方法與BRIEF特征描述子結合起來，并在它們原來的基礎上做了改進與優化（ORB主要解決了BRIEF描述子不具備旋轉不變性的問題）。據說，ORB算法的速度是sift的100倍，是surf的10倍。

【函數】

Ptr<ORB> create(int nfeatures=500, float scaleFactor=1.2f, int nlevels=8, int edgeThreshold=31,int firstLevel=0, int WTA_K=2, int scoreType=ORB::HARRIS_SCORE, int patchSize=31, int fastThreshold=20);

【參數說明】原理鏈接

nfeatures——最多提取的特征點的數量

scaleFactor——金字塔圖像之間的尺度參數

nlevels——金字塔層數

edgeThreshold——邊緣閾值，這個值主要是根據后面的patchSize來定的，靠近邊緣edgeThreshold以內的像素是不檢測特征點的。

firstLevel——第一層的索引值

WTA_K——用于產生BIREF描述子的點對的個數，一般為2個，也可以設置為3個或4個，那么這時候描述子之間的距離計算就不能用漢明距離了，而是應該用一個變種。OpenCV中，如果設置WET_K = 2，則選用點對就只有2個點，匹配的時候距離參數選擇NORM_HAMMING，像素點會被判為0或1標識不同區域。如果WET_K設置為3或4，則BIREF描述子會選擇3個或4個點，那么后面匹配的時候應該選擇的距離參數為NORM_HAMMING2，像素點會被標識為0、1、2或者0、1、2、3。

scoreType——用于對特征點進行排序的算法，你可以選擇HARRIS_SCORE，也可以選擇FAST_SCORE，但是它也只是比前者快一點點而已。

patchSize——用于計算BIREF描述子的特征點鄰域大小

fastThreshold——fast特征閾值

【案例】

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main()
{
    Mat srcImage = imread("D:/sunflower.png");
        Mat srcGrayImage;
        if (srcImage.channels() == 3)
        {
            cvtColor(srcImage,srcGrayImage,CV_RGB2GRAY);
        }
        else
        {
            srcImage.copyTo(srcGrayImage);
        }
        vector<KeyPoint>detectKeyPoint;
        Mat keyPointImage1,keyPointImage2;

        Ptr<ORB> orb = ORB::create();
        orb->detect(srcGrayImage,detectKeyPoint);
        drawKeypoints(srcImage,detectKeyPoint,keyPointImage1,Scalar(0,0,255),DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
        drawKeypoints(srcImage,detectKeyPoint,keyPointImage2,Scalar(0,0,255),DrawMatchesFlags::DEFAULT);

        imshow("src image",srcImage);
        imshow("keyPoint image1",keyPointImage1);
        imshow("keyPoint image2",keyPointImage2);

        waitKey(0);
        return 0;
}

總結

以上是生活随笔為你收集整理的ORB特征点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。