cv::KeyPoint 类参考

显著点检测器的數據結構。 更多…

#include <opencv2/core/types.hpp>

cv::KeyPoint 的协作图

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（如果需要按关键点所属的对象对其进行聚类）
int	octave
	提取关键点的金字塔层（octave）
Point2f	pt
	关键点的坐标
float	response
	选择最强关键点的响应值。可用于进一步排序或二次采样。
float	size
	关键点有效邻域的直径

详细描述

显著点检测器的數據結構。

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

关键点的特征在于其二维位置、尺度（与需要考虑的邻域直径成正比）、方向和其他一些参数。然后，另一个算法分析关键点邻域，构建描述符（通常表示为特征向量）。然后，可以使用 KDTree 或其他方法匹配不同图像中表示同一对象的关键点。

构造函数和析构函数文档

KeyPoint() [1/3]

cv::KeyPoint::KeyPoint

(

)

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

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

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	关键点检测器对关键点的响应（即关键点的强度）
octave	检测到关键点的金字塔层（octave）
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 对象>
	cv.KeyPoint(	x, y, size[, angle[, response[, octave[, class_id]]]]	) ->	<KeyPoint 对象>

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	关键点检测器对关键点的响应（即关键点的强度）
octave	检测到关键点的金字塔层（octave）
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或反向转换，其中每个关键点都分配相同的尺寸和相同的方向。

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，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

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

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	关键点检测器对关键点的响应（即关键点的强度）
octave	检测到关键点的金字塔层（octave）
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度。重叠度是关键点区域交集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，则结果为零。如果它们在相同位置且大小相同，则结果为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

计算的关键点的方向（如果不可用则为-1）；它在[0,360)度之间，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（如果需要按关键点所属的对象对其进行聚类）

octave

int cv::KeyPoint::octave

提取关键点的金字塔层（octave）

pt

Point2f cv::KeyPoint::pt

关键点的坐标

response

float cv::KeyPoint::response

选择最强关键点的响应值。可用于进一步排序或二次采样。

size

float cv::KeyPoint::size

关键点有效邻域的直径

---

此类的文档是从以下文件生成的：

• opencv2/core/types.hpp