cv::BOWImgDescriptorExtractor 类参考

使用视觉词袋计算图像描述符的类。 更多...

#include <opencv2/features2d.hpp>

cv::BOWImgDescriptorExtractor 的协作图

公共成员函数
	BOWImgDescriptorExtractor (const Ptr< DescriptorMatcher > &dmatcher)
	BOWImgDescriptorExtractor (const Ptr< Feature2D > &dextractor, const Ptr< DescriptorMatcher > &dmatcher)
	构造函数。
virtual	~BOWImgDescriptorExtractor ()
void	compute (InputArray image, std::vector< KeyPoint > &keypoints, OutputArray imgDescriptor, std::vector< std::vector< int > > *pointIdxsOfClusters=0, Mat *descriptors=0)
	使用设置的视觉词典计算图像描述符。
void	compute (InputArray keypointDescriptors, OutputArray imgDescriptor, std::vector< std::vector< int > > *pointIdxsOfClusters=0)
void	compute2 (const Mat &image, std::vector< KeyPoint > &keypoints, Mat &imgDescriptor)
int	descriptorSize () const
	如果设置了词典，则返回图像描述符的大小。 否则，它返回 0。
int	descriptorType () const
	返回图像描述符类型。
const Mat &	getVocabulary () const
	返回设置的词典。
void	setVocabulary (const Mat &vocabulary)
	设置视觉词典。

受保护的属性
Ptr< DescriptorExtractor >	dextractor
Ptr< DescriptorMatcher >	dmatcher
Mat	vocabulary

详细说明

使用视觉词袋计算图像描述符的类。

此类计算包含以下步骤

1. 为给定图像及其关键点集计算描述符。
2. 为图像的每个关键点描述符从词典中找到最近的视觉词。
3. 计算词袋图像描述符，就像是对图像中遇到的词汇词的归一化直方图。 直方图的第 i 个 bin 是给定图像中词典的第 i 个词的频率。

构造函数和析构函数文档

BOWImgDescriptorExtractor() [1/2]

cv::BOWImgDescriptorExtractor::BOWImgDescriptorExtractor	(	const Ptr< Feature2D > &	dextractor,
		const Ptr< DescriptorMatcher > &	dmatcher
	)

Python
	cv.BOWImgDescriptorExtractor(	dextractor, dmatcher	) ->	<BOWImgDescriptorExtractor 对象>

构造函数。

参数

dextractor	用于为输入图像及其关键点计算描述符的描述符提取器。
dmatcher	用于为图像的每个关键点描述符查找训练词典的最近词的描述符匹配器。

BOWImgDescriptorExtractor() [2/2]

cv::BOWImgDescriptorExtractor::BOWImgDescriptorExtractor

(

const Ptr< DescriptorMatcher > &

dmatcher

)

Python
	cv.BOWImgDescriptorExtractor(	dextractor, dmatcher	) ->	<BOWImgDescriptorExtractor 对象>

这是一个重载的成员函数，为了方便起见提供。 它与上面的函数的区别仅在于它接受的参数。

~BOWImgDescriptorExtractor()

virtual cv::BOWImgDescriptorExtractor::~BOWImgDescriptorExtractor ( )

virtual

成员函数文档

compute() [1/2]

void cv::BOWImgDescriptorExtractor::compute	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		OutputArray	imgDescriptor,
		std::vector< std::vector< int > > *	pointIdxsOfClusters = 0,
		Mat *	descriptors = 0
	)

使用设置的视觉词典计算图像描述符。

参数

image	要为其计算描述符的图像。
keypoints	在输入图像中检测到的关键点。
imgDescriptor	计算的输出图像描述符。
pointIdxsOfClusters	属于该簇的关键点索引。 这意味着 pointIdxsOfClusters[i] 是属于第 i 个簇（词典中的词）的关键点索引，如果它不为零，则会返回。
descriptors	如果它们不为零，则返回的图像关键点的描述符。

compute() [2/2]

void cv::BOWImgDescriptorExtractor::compute	(	InputArray	keypointDescriptors,
		OutputArray	imgDescriptor,
		std::vector< std::vector< int > > *	pointIdxsOfClusters = 0
	)

这是一个重载的成员函数，为了方便起见提供。 它与上面的函数的区别仅在于它接受的参数。

参数

keypointDescriptors	计算的描述符，用于与词典匹配。
imgDescriptor	计算的输出图像描述符。
pointIdxsOfClusters	属于该簇的关键点索引。 这意味着 pointIdxsOfClusters[i] 是属于第 i 个簇（词典中的词）的关键点索引，如果它不为零，则会返回。

compute2()

void cv::BOWImgDescriptorExtractor::compute2 ( const Mat &  image, std::vector< KeyPoint > &  keypoints, Mat &  imgDescriptor  )

inline

Python
	cv.BOWImgDescriptorExtractor.compute(	image, keypoints[, imgDescriptor]	) ->	imgDescriptor

descriptorSize()

int cv::BOWImgDescriptorExtractor::descriptorSize

(

)

const

Python
	cv.BOWImgDescriptorExtractor.descriptorSize(		) ->	retval

如果设置了词典，则返回图像描述符的大小。 否则，它返回 0。

descriptorType()

int cv::BOWImgDescriptorExtractor::descriptorType

(

)

const

Python
	cv.BOWImgDescriptorExtractor.descriptorType(		) ->	retval

返回图像描述符类型。

getVocabulary()

const Mat & cv::BOWImgDescriptorExtractor::getVocabulary

(

)

const

Python
	cv.BOWImgDescriptorExtractor.getVocabulary(		) ->	retval

返回设置的词典。

setVocabulary()

void cv::BOWImgDescriptorExtractor::setVocabulary

(

const Mat &

vocabulary

)

Python
	cv.BOWImgDescriptorExtractor.setVocabulary(	vocabulary	) ->	None

设置视觉词典。

参数

vocabulary

词典（可以使用 BOWTrainer 的继承者训练）。 词典的每一行都是一个视觉词（簇中心）。

成员数据文档

dextractor

Ptr<DescriptorExtractor> cv::BOWImgDescriptorExtractor::dextractor

protected

dmatcher

Ptr<DescriptorMatcher> cv::BOWImgDescriptorExtractor::dmatcher

protected

vocabulary

Mat cv::BOWImgDescriptorExtractor::vocabulary

protected

---

此类的文档是从以下文件生成的

• opencv2/features2d.hpp