用于使用 D. Lowe [173] 提出的尺度不变特征变换 (SIFT) 算法提取关键点并计算描述符的类。更多...

#include <opencv2/features2d.hpp>

cv::SIFT 的协作图

公共成员函数
virtual double	getContrastThreshold () const =0

virtual String	getDefaultName () const CV_OVERRIDE

virtual double	getEdgeThreshold () const =0

virtual int	getNFeatures () const =0

virtual int	getNOctaveLayers () const =0

virtual double	getSigma () const =0

virtual void	setContrastThreshold (double contrastThreshold)=0

virtual void	setEdgeThreshold (double edgeThreshold)=0

virtual void	setNFeatures (int maxFeatures)=0

virtual void	setNOctaveLayers (int nOctaveLayers)=0

virtual void	setSigma (double sigma)=0

从 cv::Feature2D 继承的公共成员函数
virtual	~Feature2D ()

virtual void	compute (InputArray image, std::vector< KeyPoint > &keypoints, OutputArray descriptors)
	计算在图像（第一个变体）或图像集（第二个变体）中检测到的关键点集的描述符。

virtual void	compute (InputArrayOfArrays images, std::vector< std::vector< KeyPoint > > &keypoints, OutputArrayOfArrays descriptors)

virtual int	defaultNorm () const

virtual int	descriptorSize () const

virtual int	descriptorType () const

virtual void	detect (InputArray image, std::vector< KeyPoint > &keypoints, InputArray mask=noArray())
	在图像（第一个变体）或图像集（第二个变体）中检测关键点。

virtual void	detect (InputArrayOfArrays images, std::vector< std::vector< KeyPoint > > &keypoints, InputArrayOfArrays masks=noArray())

virtual void	detectAndCompute (InputArray image, InputArray mask, std::vector< KeyPoint > &keypoints, OutputArray descriptors, bool useProvidedKeypoints=false)

virtual bool	empty () const CV_OVERRIDE
	如果检测器对象为空，则返回 true。

virtual void	read (const FileNode &) CV_OVERRIDE
	从文件存储中读取算法参数。

void	read (const String &fileName)

void	write (const Ptr< FileStorage > &fs, const String &name) const

void	write (const String &fileName) const

virtual void	write (FileStorage &) const CV_OVERRIDE
	将算法参数存储在文件存储中。

void	write (FileStorage &fs, const String &name) const

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< SIFT >	create (int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, bool enable_precise_upscale=false)
	创建具有指定 descriptorType 的 SIFT。

static Ptr< SIFT >	create (int nfeatures=0, int nOctaveLayers=3, double contrastThreshold=0.04, double edgeThreshold=10, double sigma=1.6, bool enable_precise_upscale=false)

从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串中加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承的成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细说明

用于使用 D. Lowe [173] 提出的尺度不变特征变换 (SIFT) 算法提取关键点并计算描述符的类。

成员函数文档

◆ create() [1/2]

static Ptr< SIFT > cv::SIFT::create	(	int	nfeatures,
		int	nOctaveLayers,
		double	contrastThreshold,
		double	edgeThreshold,
		double	sigma,
		int	descriptorType,
		bool	enable_precise_upscale = `false`
	)

static


cv.SIFT.create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT.create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval
cv.SIFT_create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT_create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval

创建具有指定 descriptorType 的 SIFT。

参数

nfeatures	要保留的最佳特征数量。这些特征按其分数（在 SIFT 算法中，分数被测量为局部对比度）进行排名。
nOctaveLayers	每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
contrastThreshold	用于过滤掉半均匀（低对比度）区域中的弱特征的对比度阈值。阈值越大，检测器产生的特征越少。

注意: 在应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值时，如果您想要使用 D. Lowe 论文中使用的值 0.03，请将此参数设置为 0.09。

参数

edgeThreshold	用于过滤掉边缘状特征的阈值。请注意，它的含义不同于 contrastThreshold，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。
sigma	在八度 #0 上应用于输入图像的高斯函数的 sigma。如果您的图像是由弱相机和软镜头拍摄的，您可能需要减少这个数字。
descriptorType	描述符的类型。仅支持 CV_32F 和 CV_8U。
enable_precise_upscale	是否在尺度金字塔中启用精确上采样，该金字塔将索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。

◆ create() [2/2]

static Ptr< SIFT > cv::SIFT::create	(	int	nfeatures = `0`,
		int	nOctaveLayers = `3`,
		double	contrastThreshold = `0.04`,
		double	edgeThreshold = `10`,
		double	sigma = `1.6`,
		bool	enable_precise_upscale = `false`
	)

static


cv.SIFT.create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT.create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval
cv.SIFT_create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT_create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval

参数

nfeatures	要保留的最佳特征数量。这些特征按其分数（在 SIFT 算法中，分数被测量为局部对比度）进行排名。
nOctaveLayers	每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
contrastThreshold	用于过滤掉半均匀（低对比度）区域中的弱特征的对比度阈值。阈值越大，检测器产生的特征越少。

注意: 在应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值时，如果您想要使用 D. Lowe 论文中使用的值 0.03，请将此参数设置为 0.09。

参数

edgeThreshold	用于过滤掉边缘状特征的阈值。请注意，它的含义不同于 contrastThreshold，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。
sigma	在八度 #0 上应用于输入图像的高斯函数的 sigma。如果您的图像是由弱相机和软镜头拍摄的，您可能需要减少这个数字。
enable_precise_upscale	是否在尺度金字塔中启用精确上采样，该金字塔将索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。

◆ getContrastThreshold()

virtual double cv::SIFT::getContrastThreshold ( ) const

纯虚

Python
	cv.SIFT.getContrastThreshold(		) ->	retval

<

virtual String cv::SIFT::getDefaultName ( ) const

virtual

Python
	cv.SIFT.getDefaultName(		) ->	retval

返回算法字符串标识符。当对象保存到文件或字符串时，此字符串用作顶层 xml/yml 节点标签。

从 cv::Feature2D 重新实现。

◆ getEdgeThreshold()

virtual double cv::SIFT::getEdgeThreshold ( ) const

纯虚

Python
	cv.SIFT.getEdgeThreshold(		) ->	retval

◆ getNFeatures()

virtual int cv::SIFT::getNFeatures ( ) const

纯虚

Python
	cv.SIFT.getNFeatures(		) ->	retval

◆ getNOctaveLayers()

virtual int cv::SIFT::getNOctaveLayers ( ) const

纯虚

Python
	cv.SIFT.getNOctaveLayers(		) ->	retval

◆ getSigma()

virtual double cv::SIFT::getSigma ( ) const

纯虚

Python
	cv.SIFT.getSigma(		) ->	retval

◆ setContrastThreshold()

virtual void cv::SIFT::setContrastThreshold ( double contrastThreshold )

纯虚

Python
	cv.SIFT.setContrastThreshold(	contrastThreshold	) ->	无

◆ setEdgeThreshold()

virtual void cv::SIFT::setEdgeThreshold ( double edgeThreshold )

纯虚

Python
	cv.SIFT.setEdgeThreshold(	edgeThreshold	) ->	无

◆ setNFeatures()

virtual void cv::SIFT::setNFeatures ( int maxFeatures )

纯虚

Python
	cv.SIFT.setNFeatures(	maxFeatures	) ->	无

◆ setNOctaveLayers()

virtual void cv::SIFT::setNOctaveLayers ( int nOctaveLayers )

纯虚

Python
	cv.SIFT.setNOctaveLayers(	nOctaveLayers	) ->	无

◆ setSigma()

virtual void cv::SIFT::setSigma ( double sigma )

纯虚

Python
	cv.SIFT.setSigma(	sigma	) ->	无

此类的文档是从以下文件生成的

opencv2/features2d.hpp

公共成员函数

静态公共成员函数

其他继承的成员

详细说明

成员函数文档

◆ create() [1/2]

◆ create() [2/2]

◆ getContrastThreshold()

<

◆ getEdgeThreshold()

◆ getNFeatures()

◆ getNOctaveLayers()

◆ getSigma()

◆ setContrastThreshold()

◆ setEdgeThreshold()

◆ setNFeatures()

◆ setNOctaveLayers()

◆ setSigma()