cv::KeyPoint 类参考

用于显著点检测器的數據結構。 更多...

#include <opencv2/core/types.hpp>

cv::KeyPoint 协作图

公有成员函数
	KeyPoint ()
	默认构造函数
	KeyPoint (float x, float y, float size, float angle=-1, float response=0, int octave=0, int class_id=-1)
	KeyPoint (Point2f pt, float size, float angle=-1, float response=0, int octave=0, int class_id=-1)
size_t	hash () const

静态公有成员函数
static void	convert (const std::vector< KeyPoint > &keypoints, std::vector< Point2f > &points2f, const std::vector< int > &keypointIndexes=std::vector< int >())
static void	convert (const std::vector< Point2f > &points2f, std::vector< KeyPoint > &keypoints, float size=1, float response=1, int octave=0, int class_id=-1)
static float	overlap (const KeyPoint &kp1, const KeyPoint &kp2)

公有属性
float	angle
int	class_id
	对象类别（如果关键点需要按其所属对象进行聚类）
int	octave
	提取关键点的金字塔层级
Point2f	pt
	关键点的坐标
float	response
	用于选择最强关键点的响应。可用于进一步排序或子采样
float	size
	关键点邻域的有效直径

详细描述

用于显著点检测器的數據結構。

该类实例存储一个关键点，即由众多可用的关键点检测器之一找到的点特征，例如 Harris 角点检测器、FAST、StarDetector、SURF、SIFT 等。

关键点由二维位置、尺度（与需要考虑的邻域直径成比例）、方向和其他一些参数来表征。然后，关键点邻域由另一个算法进行分析，该算法构建描述符（通常表示为特征向量）。然后，可以使用 KDTree 或其他方法匹配代表不同图像中同一对象的关键点。

构造函数和析构函数文档

KeyPoint() [1/3]

cv::KeyPoint::KeyPoint

(

)

Python
	cv.KeyPoint(		) ->	<KeyPoint object>
	cv.KeyPoint(	x, y, size[, angle[, response[, octave[, class_id]]]]	) ->	<KeyPoint object>

默认构造函数

KeyPoint() [2/3]

cv::KeyPoint::KeyPoint	(	Point2f	pt,
		float	size,
		float	angle = -1,
		float	response = 0,
		int	octave = 0,
		int	class_id = -1
	)

Python
	cv.KeyPoint(		) ->	<KeyPoint object>
	cv.KeyPoint(	x, y, size[, angle[, response[, octave[, class_id]]]]	) ->	<KeyPoint object>

参数

pt	关键点的 x 和 y 坐标
size	关键点直径
angle	关键点方向
response	关键点检测器在关键点上的响应（即关键点强度）
octave	检测到关键点的金字塔层级
class_id	对象 ID

KeyPoint() [3/3]

cv::KeyPoint::KeyPoint	(	float	x,
		float	y,
		float	size,
		float	angle = -1,
		float	response = 0,
		int	octave = 0,
		int	class_id = -1
	)

Python
	cv.KeyPoint(		) ->	<KeyPoint object>
	cv.KeyPoint(	x, y, size[, angle[, response[, octave[, class_id]]]]	) ->	<KeyPoint object>

参数

x	关键点的 x 坐标
y	关键点的 y 坐标
size	关键点直径
angle	关键点方向
response	关键点检测器在关键点上的响应（即关键点强度）
octave	检测到关键点的金字塔层级
class_id	对象 ID

成员函数文档

convert() [1/2]

static void cv::KeyPoint::convert ( const std::vector< KeyPoint > &  keypoints, std::vector< Point2f > &  points2f, const std::vector< int > &  keypointIndexes = std::vector< int >()  )

static

Python
	cv.KeyPoint.convert(	keypoints[, keypointIndexes]	) ->	points2f
	cv.KeyPoint.convert(	points2f[, size[, response[, octave[, class_id]]]]	) ->	keypoints
	cv.KeyPoint_convert(	keypoints[, keypointIndexes]	) ->	points2f
	cv.KeyPoint_convert(	points2f[, size[, response[, octave[, class_id]]]]	) ->	keypoints

此方法将关键点向量转换为点向量，反之亦然，其中每个关键点都分配了相同的尺寸和相同的方位。

参数

keypoints	从任何特征检测算法（如 SIFT/SURF/ORB）获得的关键点
points2f	每个关键点的 (x,y) 坐标数组
keypointIndexes	要转换为点的关键点索引数组。（充当掩码以仅转换指定的关键点）

convert() [2/2]

static void cv::KeyPoint::convert ( const std::vector< Point2f > &  points2f, std::vector< KeyPoint > &  keypoints, float  size = 1, float  response = 1, int  octave = 0, int  class_id = -1  )

static

Python
	cv.KeyPoint.convert(	keypoints[, keypointIndexes]	) ->	points2f
	cv.KeyPoint.convert(	points2f[, size[, response[, octave[, class_id]]]]	) ->	keypoints
	cv.KeyPoint_convert(	keypoints[, keypointIndexes]	) ->	points2f
	cv.KeyPoint_convert(	points2f[, size[, response[, octave[, class_id]]]]	) ->	keypoints

这是重载的成员函数，为了方便起见。它仅在接受的参数方面与上述函数不同。

参数

points2f	每个关键点的 (x,y) 坐标数组
keypoints	从任何特征检测算法（如 SIFT/SURF/ORB）获得的关键点
size	关键点直径
response	关键点检测器在关键点上的响应（即关键点强度）
octave	检测到关键点的金字塔层级
class_id	对象 ID

hash()

size_t cv::KeyPoint::hash

(

)

const

overlap()

static float cv::KeyPoint::overlap ( const KeyPoint &  kp1, const KeyPoint &  kp2  )

static

Python
	cv.KeyPoint.overlap(	kp1, kp2	) ->	retval
	cv.KeyPoint_overlap(	kp1, kp2	) ->	retval

此方法计算一对关键点的重叠。重叠是指关键点区域相交面积与关键点区域并集面积之比（将关键点区域视为圆形）。如果它们没有重叠，我们将得到零。如果它们在相同位置上具有相同的尺寸重合，我们将得到 1。

参数

kp1	第一个关键点
kp2	第二个关键点

成员数据文档

angle

float cv::KeyPoint::angle

计算出的关键点方向（如果不可用，则为 -1）；它在 [0,360) 度范围内，相对于图像坐标系测量，即顺时针方向。

class_id

int cv::KeyPoint::class_id

对象类别（如果关键点需要按其所属对象进行聚类）

octave

int cv::KeyPoint::octave

提取关键点的金字塔层级

pt

Point2f cv::KeyPoint::pt

关键点的坐标

response

float cv::KeyPoint::response

用于选择最强关键点的响应。可用于进一步排序或子采样

size

float cv::KeyPoint::size

关键点邻域的有效直径

---

此类的文档是从以下文件生成的

• opencv2/core/types.hpp