2D 特征算法实验

详细描述

本部分介绍 2d 特征检测的实验算法。

类
类	cv::xfeatures2d::AffineFeature2D
	实现用于关键点的仿射自适应的类。 更多...
类	cv::xfeatures2d::BEBLID
	实现 BEBLID（高效二进制局部图像描述符），如 [255] 中所述。 更多...
类	cv::xfeatures2d::BoostDesc
	实现 BoostDesc（通过增强学习图像描述符），如 [260] 和 [261] 中所述。 更多...
类	cv::xfeatures2d::BriefDescriptorExtractor
	用于计算 [47] 中所述 BRIEF 描述符的类。 更多...
类	cv::xfeatures2d::DAISY
	实现 DAISY 描述符，如 [269] 中所述的类。 更多...
类	cv::xfeatures2d::Elliptic_KeyPoint
	感兴趣点周围的椭圆区域。 更多...
类	cv::xfeatures2d::FREAK
	实现 FREAK（快速视网膜关键点）关键点描述符，如 [8] 中所述的类。 更多...
类	cv::xfeatures2d::HarrisLaplaceFeatureDetector
	实现 [192] 中所述的 Harris-Laplace 特征检测器。 更多...
类	cv::xfeatures2d::LATCH
类	cv::xfeatures2d::LUCID
	实现局部统一比较图像描述符，如 [320] 中所述的类。 更多...
类	cv::xfeatures2d::MSDDetector
	实现 MSD（最大自不相干）关键点检测器，如 [270] 中所述的类。 更多...
类	cv::xfeatures2d::PCTSignatures
	如 [151] 所述，实现 PCT（位置-颜色-纹理）特征提取的类。该算法分为一个特征采样器和一个聚类器。特征采样器在一个给定的坐标集处产生样本。然后，聚类器使用 k 均值算法对这些样本进行聚类。得到的聚类集就是输入图像的特征。 更多信息...
类	cv::xfeatures2d::PCTSignaturesSQFD
	实现特征二次型距离（SQFD）的类。 更多信息...
类	cv::xfeatures2d::StarDetector
	该类实现 [2] 引入的特征点检测器，是 StarDetector 的同义词。 : 更多信息...
类	cv::xfeatures2d::TBMR
	实现基于树的摩尔斯区域（TBMR）的类，如 [306] 所述，扩展了可缩放提取能力。 更多信息...
类	cv::xfeatures2d::TEBLID
	实现 TEBLID（基于三元组的有效二进制局部图像描述符）的类，如 [256] 所述。 更多信息...
类	cv::xfeatures2d::VGG
	实现 VGG（牛津可视几何组）描述符的类，使用 [245] 中描述的端到端训练的“使用凸优化进行描述符学习”（DLCO）设备。 更多信息...

函数
void	cv::xfeatures2d::FASTForPointSet (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression=true, cv::FastFeatureDetector::DetectorType type=FastFeatureDetector::TYPE_9_16)
	使用 FAST 算法估算预先指定的 KeyPoint 的角点。

函数文档

FASTForPointSet()

void cv::xfeatures2d::FASTForPointSet	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	threshold,
		bool	nonmaxSuppression = true,
		cv::FastFeatureDetector::DetectorType	type = FastFeatureDetector::TYPE_9_16
	)

#include <opencv2/xfeatures2d.hpp>

使用 FAST 算法估算预先指定的 KeyPoint 的角点。

参数

image	检测关键点（角点）的灰度图像。
keypoints	应该测试为满足快速检测标准的关键点。未检测为角点的关键点会被移除。
threshold	中心点像素强度与中心点周围圆形像素强度之间差值的阈值。
nonmaxSuppression	为 true 时，对检测到的角点（关键点）应用非极大值抑制。
type	论文中定义的三个邻域之一：FastFeatureDetector::TYPE_9_16、FastFeatureDetector::TYPE_7_12、FastFeatureDetector::TYPE_5_8

使用 [227] 的 FAST 算法检测角点。

以下是此函数的调用图