opencv3/C++如何实现SURF特征检测

这篇文章主要介绍了opencv3/C++如何实现SURF特征检测，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

SURF即Speeded Up Robust Features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(Points of Interest) Hessian Matrix;

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：

static Ptr<SURF> create(
double hessianThreshold=100,//SURF中使用的hessian关键点检测器的阈值
int nOctaves = 4, //关键点检测器将使用的金字塔组数量
int nOctaveLayers = 3,//高斯金字塔每个组内图像的层数
bool extended = 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）
bool upright = 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：

void detect( 
InputArray image,//图像
CV_OUT std::vector<KeyPoint>& 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）
InputArray mask=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：

void drawKeypoints( 
InputArray image, //源图像
const std::vector<KeyPoint>& keypoints, //来自源图像的关键点
InputOutputArray outImage,//输出图像
const Scalar& color=Scalar::all(-1), //关键点的颜色
int flags=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<opencv2/opencv.hpp>
#include<opencv2/xfeatures2d.hpp>
using namespace cv;
using namespace cv::xfeatures2d;

Mat src;
int minHessian = 50;
void trackBar(int, void*);
int main()
{
 src = imread("E:/image/image/bdb.jpg");
 if (src.empty())
 {
  printf("can not load image \n");
  return -1;
 }
 namedWindow("input", WINDOW_AUTOSIZE);
 imshow("input", src);

 namedWindow("output", WINDOW_AUTOSIZE);
 createTrackbar("minHessian","output",&minHessian, 500, trackBar);

 waitKey(0);
 return 0;
}


void trackBar(int, void*)
{
 Mat dst;
 // SURF特征检测
 Ptr<SURF> detector = SURF::create(minHessian);
 std::vector<KeyPoint> keypoints;
 detector->detect(src, keypoints, Mat());
 // 绘制关键点
 drawKeypoints(src, keypoints, dst, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
 imshow("output", dst);
}

感谢你能够认真阅读完这篇文章，希望小编分享的“opencv3/C++如何实现SURF特征检测”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!