opencv3/C++ 实现SURF特征检测
SURF即SpeededUpRobustFeatures加速鲁棒特征;
SURF可以用于对象定位和识别、人脸识别、3D重建、对象跟踪和提取兴趣点等。
工作原理:
1、选择图像中POI(PointsofInterest)HessianMatrix;
2、在不同的尺度空间发现关键点,非最大信号压制;
3、发现特征点方法、旋转不变性要求;
4、生成特征向量;
类SURF中成员函数create()参数说明:
staticPtrcreate( doublehessianThreshold=100,//SURF中使用的hessian关键点检测器的阈值 intnOctaves=4,//关键点检测器将使用的金字塔组数量 intnOctaveLayers=3,//高斯金字塔每个组内图像的层数 boolextended=false,//扩展描述符标志(true使用扩展的128个元素的描述符,false使用64个元素的描述符) boolupright=false//旋转的特征标志(true不计算方向,false计算方向) );
函数detect()用来检测图像或图像集中的关键点。
基类Feature2D中成员函数detect()参数说明:
voiddetect( InputArrayimage,//图像 CV_OUTstd::vector&keypoints,//检测到的关键点,(在图像集中关键点[i]是在图像[i]中检测到的一组关键点) InputArraymask=noArray()//指定在哪里寻找关键点的掩码(必须是在感兴趣区域中具有非零值的8位整数矩阵) );
函数drawKeypoints()的参数说明:
voiddrawKeypoints( InputArrayimage,//源图像 conststd::vector&keypoints,//来自源图像的关键点 InputOutputArrayoutImage,//输出图像 constScalar&color=Scalar::all(-1),//关键点的颜色 intflags=DrawMatchesFlags::DEFAULT//设置绘图功能的标志 );
函数drawKeypoints()用来绘制关键点。
SURF特征检测示例:
#include#include usingnamespacecv; usingnamespacecv::xfeatures2d; Matsrc; intminHessian=50; voidtrackBar(int,void*); intmain() { src=imread("E:/image/image/bdb.jpg"); if(src.empty()) { printf("cannotloadimage\n"); return-1; } namedWindow("input",WINDOW_AUTOSIZE); imshow("input",src); namedWindow("output",WINDOW_AUTOSIZE); createTrackbar("minHessian","output",&minHessian,500,trackBar); waitKey(0); return0; } voidtrackBar(int,void*) { Matdst; //SURF特征检测 Ptr detector=SURF::create(minHessian); std::vector keypoints; detector->detect(src,keypoints,Mat()); //绘制关键点 drawKeypoints(src,keypoints,dst,Scalar::all(-1),DrawMatchesFlags::DEFAULT); imshow("output",dst); }
以上这篇opencv3/C++实现SURF特征检测就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。