实现了 ORB (方向 BRIEF) 关键点检测和描述符提取。有关更多信息，请参阅这里

#include <opencv2/features2d.hpp>

cv::ORB 协作图

公共类型
枚举	ScoreType { HARRIS_SCORE =0 , FAST_SCORE =1 }

公共成员函数
virtual String	getDefaultName () const CV_OVERRIDE

virtual int	getEdgeThreshold () const =0

virtual int	getFastThreshold () const =0

virtual int	getFirstLevel () const =0

virtual int	getMaxFeatures () const =0

virtual int	getNLevels () const =0

virtual int	getPatchSize () const =0

virtual double	getScaleFactor () const =0

virtual ORB::ScoreType	getScoreType () const =0

virtual int	getWTA_K () const =0

virtual void	setEdgeThreshold (int edgeThreshold)=0

virtual void	setFastThreshold (int fastThreshold)=0

virtual void	setFirstLevel (int firstLevel)=0

virtual void	setMaxFeatures (int maxFeatures)=0

virtual void	setNLevels (int nlevels)=0

virtual void	setPatchSize (int patchSize)=0

virtual void	setScaleFactor (double scaleFactor)=0

virtual void	setScoreType (ORB::ScoreType scoreType)=0

virtual void	setWTA_K (int wta_k)=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（第一种变体）或图像集中检测到的关键点的描述符（第一种变体）。

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

静态公开成员函数
static Ptr< ORB >	create (int nfeatures=500, float scaleFactor=1.2f, int nlevels=8, int edgeThreshold=31, int firstLevel=0, int WTA_K=2, ORB::ScoreType scoreType=ORB::HARRIS_SCORE, int patchSize=31, int fastThreshold=20)
	ORB 构造函数。

从 cv::Algorithm 继承的静态公开成员函数
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)
	从文件节点中读取算法。

静态公开属性
static const int	kBytes = 32

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

详细说明

实现 ORB（orientated BRIEF）特征点检测和描述符提取的类。

该算法在参考[228]中描述。该算法使用在金字塔中实现的 FAST 来检测稳定的特征点，使用 FAST 或 Harris 响应选择最强的特征，利用一阶矩来确定它们的方向，并使用 BRIEF 计算描述符（其中随机点对的坐标根据测量的方向旋转）。

成员枚举文档

◆ ScoreType

enum cv::ORB::ScoreType

枚举值
HARRIS_SCORE
FAST_SCORE

成员函数文档

◆ create()

static Ptr< ORB > cv::ORB::create	(	int	nfeatures = `500`,
		float	scaleFactor = `1.2f`,
		int	nlevels = `8`,
		int	edgeThreshold = `31`,
		int	firstLevel = `0`,
		int	WTA_K = `2`,
		ORB::ScoreType	scoreType = `ORB::HARRIS_SCORE`,
		int	patchSize = `31`,
		int	fastThreshold = `20`
	)

静态

Python
	cv.ORB.create(	[, nfeatures[, scaleFactor[, nlevels[, edgeThreshold[, firstLevel[, WTA_K[, scoreType[, patchSize[, fastThreshold]]]]]]]]]	) ->	retval
	cv.ORB_create(	[, nfeatures[, scaleFactor[, nlevels[, edgeThreshold[, firstLevel[, WTA_K[, scoreType[, patchSize[, fastThreshold]]]]]]]]]	) ->	retval

ORB 构造函数。

参数

nfeatures	保留的最大特征数。
scaleFactor	金字塔缩减比例，大于 1。scaleFactor==2 表示经典金字塔，下一级像素减少 4 倍，但这样大的缩放比例将极大地降低特征匹配得分。另一方面，缩放比例接近 1 将意味着为了覆盖特定的尺度范围，你需要更多的金字塔级别，因此速度会受到影响。
nlevels	金字塔级别数。最小级别将具有与输入_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 线性相等的大小。
edgeThreshold	这里不检测特征的边界的尺寸。它应该大致匹配 patchSize 参数。
firstLevel	将源图像放置的金字塔级别。之前的层被上采样源图像填充。
WTA_K	产生每个定向 BRIEF 描述符元素的点数。默认值 2 表示取出随机点对并比较它们的亮度，因此得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取出 3 个随机点（当然，这些点坐标是随机的，但它们是从预定义的种子生成的，因此 BRIEF 描述符的每个元素都是确定性地从像素矩形计算出来的），找到亮度最高的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要 Hamming 距离的特殊变体，即 NORM_HAMMING2（每个箱子 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个箱子（这将占用 2 位，可能值为 0、1、2 或 3)。
scoreType	默认的 HARRIS_SCORE 表示使用 Harris 算法对特征进行排序（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是参数的替代值，它产生的关键点略不稳定，但计算速度快一些。
patchSize	定向 BRIEF 描述符使用的补丁大小。当然，在较小的金字塔层上，特征覆盖的图像区域将更大。
fastThreshold	快速阈值

◆ getDefaultName()

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

virtual

Python
	cv.ORB.getDefaultName(		) ->	retval

返回算法字符串标识符。此字符串用于将对象保存到文件或字符串时作为顶级 xml/yml 节点标签。

从 cv::Feature2D 继承。

◆ getEdgeThreshold()

virtual int cv::ORB::getEdgeThreshold ( ) const

pure virtual

Python
	cv.ORB.getEdgeThreshold(		) ->	retval

◆ getFastThreshold()

virtual int cv::ORB::getFastThreshold ( ) const

pure virtual

Python
	cv.ORB.getFastThreshold(		) ->	retval

◆ getFirstLevel()

virtual int cv::ORB::getFirstLevel ( ) const

pure virtual

Python
	cv.ORB.getFirstLevel(		) ->	retval

◆ getMaxFeatures()

virtual int cv::ORB::getMaxFeatures ( ) const

pure virtual

Python
	cv.ORB.getMaxFeatures(		) ->	retval

◆ getNLevels()

virtual int cv::ORB::getNLevels ( ) const

pure virtual

Python
	cv.ORB.getNLevels(		) ->	retval

◆ getPatchSize()

虚拟成员函数 int cv::ORB::getPatchSize ( ) const

pure virtual

Python
	cv.ORB.getPatchSize(		) ->	retval

◆ getScaleFactor()

虚拟成员函数 double cv::ORB::getScaleFactor ( ) const

pure virtual

Python
	cv.ORB.getScaleFactor(		) ->	retval

◆ getScoreType()

虚拟成员函数 cv::ORB::ScoreType cv::ORB::getScoreType ( ) const

pure virtual

Python
	cv.ORB.getScoreType(		) ->	retval

◆ getWTA_K()

虚拟成员函数 int cv::ORB::getWTA_K ( ) const

pure virtual

Python
	cv.ORB.getWTA_K(		) ->	retval

◆ setEdgeThreshold()

虚拟成员函数 void cv::ORB::setEdgeThreshold ( int edgeThreshold )

pure virtual

Python
	cv.ORB.setEdgeThreshold(	edgeThreshold	) ->	None

◆ setFastThreshold()

虚拟成员函数 void cv::ORB::setFastThreshold ( int fastThreshold )

pure virtual

Python
	cv.ORB.setFastThreshold(	fastThreshold	) ->	None

◆ setFirstLevel()

虚拟成员函数 void cv::ORB::setFirstLevel ( int firstLevel )

pure virtual

Python
	cv.ORB.setFirstLevel(	firstLevel	) ->	None

◆ setMaxFeatures()

虚拟成员函数 void cv::ORB::setMaxFeatures ( int maxFeatures )

pure virtual

Python
	cv.ORB.setMaxFeatures(	maxFeatures	) ->	None

◆ setNLevels()

虚拟成员函数 void cv::ORB::setNLevels ( int nlevels )

pure virtual

Python
	cv.ORB.setNLevels(	nlevels	) ->	None

◆ setPatchSize()

虚拟成员函数 void cv::ORB::setPatchSize ( int patchSize )

pure virtual

Python
	cv.ORB.setPatchSize(	patchSize	) ->	None

◆ setScaleFactor()

虚拟成员函数 void cv::ORB::setScaleFactor ( double scaleFactor )

pure virtual

Python
	cv.ORB.setScaleFactor(	scaleFactor	) ->	None

◆ setScoreType()

虚拟成员函数 void cv::ORB::setScoreType ( ORB::ScoreType scoreType )

pure virtual

Python
	cv.ORB.setScoreType(	scoreType	) ->	None

◆ setWTA_K()

虚拟成员函数 void cv::ORB::setWTA_K ( int wta_k )

pure virtual

Python
	cv.ORB.setWTA_K(	wta_k	) ->	None

成员数据文档

◆ kBytes

const int cv::ORB::kBytes = 32

静态

本类的文档是由以下文件生成的

opencv2/features2d.hpp

公共类型

公共成员函数

静态公开成员函数

静态公开属性

其他继承成员

详细说明

成员枚举文档

◆ ScoreType

成员函数文档

◆ create()

◆ getDefaultName()

◆ getEdgeThreshold()

◆ getFastThreshold()

◆ getFirstLevel()

◆ getMaxFeatures()

◆ getNLevels()

◆ getPatchSize()

◆ getScaleFactor()

◆ getScoreType()

◆ getWTA_K()

◆ setEdgeThreshold()

◆ setFastThreshold()

◆ setFirstLevel()

◆ setMaxFeatures()

◆ setNLevels()

◆ setPatchSize()

◆ setScaleFactor()

◆ setScoreType()

◆ setWTA_K()

成员数据文档

◆ kBytes