SIFT原理：

• 尺度空間極值檢測：構建高斯金字塔，高斯差分金字塔，檢測極值點。

• 關鍵點定位：去除對比度較小和邊緣對極值點的影響。

• 關鍵點方向確定：利用梯度直方圖確定關鍵點的方向。

• 關鍵點描述：對關鍵點周圍圖像區域分塊，計算塊內的梯度直方圖，生成具有特征向量，對關鍵點信息進行描述。

在OpenCV中利用SIFT檢測關鍵點的流程如下所示：

1.實例化sift

sift = cv.xfeatures2d.SIFT_create()

2.利用sift.detectAndCompute()檢測關鍵點并計算

kp,des = sift.detectAndCompute(gray,None)

參數：

• gray: 進行關鍵點檢測的圖像，注意是灰度圖像

返回：

• kp: 關鍵點信息，包括位置，尺度，方向信息
• des: 關鍵點描述符，每個關鍵點對應128個梯度信息的特征向量

3.將關鍵點檢測結果繪制在圖像上

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

參數：

• image: 原始圖像
• keypoints：關鍵點信息，將其繪制在圖像上
• outputimage：輸出圖片，可以是原始圖像
• color：顏色設置，通過修改（b,g,r）的值,更改畫筆的顏色，b=藍色，g=綠色，r=紅色。
• flags：繪圖功能的標識設置
  1.cv2.DRAW_MATCHES_FLAGS_DEFAULT：創建輸出圖像矩陣，使用現存的輸出圖像繪制匹配對和特征點，對每一個關鍵點只繪制中間。
  2.cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG：不創建輸出圖像矩陣，而是在輸出圖像上繪制匹配對。
  3.cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：對每一個特征點繪制帶大小和方向的關鍵點圖形。
  4.cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS：單點的特征點不被繪制。

import cv2 as cv import matplotlib.pyplot as plt# 1 讀取圖像 img = cv.imread('./1.jpg') gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 2 sift關鍵點檢測 # 2.1 實例化sift對象 sift = cv.xfeatures2d.SIFT_create()# 2.2 關鍵點檢測：kp關鍵點信息包括方向，尺度，位置信息，des是關鍵點的描述符 kp, des = sift.detectAndCompute(gray, None)# 2.3 在圖像上繪制關鍵點的檢測結果 cv.drawKeypoints(img, kp, img, flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)# 3 圖像顯示 plt.figure(figsize=(8, 6), dpi=100) plt.imshow(img[:, :, ::-1]), plt.title('sift檢測') plt.xticks([]), plt.yticks([]) plt.show()

總結

以上是生活随笔為你收集整理的OpenCV SIFT检测关键点的全部內容，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。