特征检测与描述

详细描述

类
结构体	cv::Accumulator< T >
结构体	cv::Accumulator< char >
结构体	cv::Accumulator< short >
结构体	cv::Accumulator< unsigned char >
结构体	cv::Accumulator< unsigned short >
类	cv::AffineFeature
	实现包装类的类，使检测器和提取器具有仿射不变性，如[312]中所述的ASIFT算法。更多...
类	cv::AgastFeatureDetector
	使用AGAST方法进行特征检测的包装类。 更多...
类	cv::AKAZE
	实现AKAZE关键点检测器和描述符提取器的类，如[10]中所述。更多...
类	cv::BRISK
	实现BRISK关键点检测器和描述符提取器的类，如[158]中所述。更多...
类	cv::FastFeatureDetector
	使用FAST方法进行特征检测的包装类。 更多...
类	cv::Feature2D
	二维图像特征检测器和描述符提取器的抽象基类。更多...
类	cv::GFTTDetector
	使用goodFeaturesToTrack函数进行特征检测的包装类。更多...
类	cv::KAZE
	实现KAZE关键点检测器和描述符提取器的类，如[9]中所述。更多...
类	cv::KeyPointsFilter
	用于过滤关键点向量的类。更多...
结构体	cv::L1< T >
结构体	cv::L2< T >
类	cv::MSER
	最大稳定极值区域提取器。更多...
类	cv::ORB
	实现ORB（定向BRIEF）关键点检测器和描述符提取器的类。更多...
类	cv::SIFT
	使用D. Lowe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 [173]。更多...
类	cv::SimpleBlobDetector
	用于从图像中提取斑点的类。更多...
结构体	cv::SL2< T >

类型定义
typedef AffineFeature	cv::AffineDescriptorExtractor
typedef AffineFeature	cv::AffineFeatureDetector
typedef Feature2D	cv::DescriptorExtractor
typedef Feature2D	cv::FeatureDetector
typedef SIFT	cv::SiftDescriptorExtractor
typedef SIFT	cv::SiftFeatureDetector

函数
void	cv::AGAST (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression, AgastFeatureDetector::DetectorType type)
	使用AGAST算法检测角点。
void	cv::AGAST (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression=true)
void	cv::computeRecallPrecisionCurve (const std::vector< std::vector< DMatch > > &matches1to2, const std::vector< std::vector< uchar > > &correctMatches1to2Mask, std::vector< Point2f > &recallPrecisionCurve)
void	cv::evaluateFeatureDetector (const Mat &img1, const Mat &img2, const Mat &H1to2, std::vector< KeyPoint > *keypoints1, std::vector< KeyPoint > *keypoints2, float &repeatability, int &correspCount, const Ptr< FeatureDetector > &fdetector=Ptr< FeatureDetector >())
void	cv::FAST (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression, FastFeatureDetector::DetectorType type)
	使用FAST算法检测角点。
void	cv::FAST (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression=true)
int	cv::getNearestPoint (const std::vector< Point2f > &recallPrecisionCurve, float l_precision)
float	cv::getRecall (const std::vector< Point2f > &recallPrecisionCurve, float l_precision)

类型定义文档

AffineDescriptorExtractor

typedef AffineFeature cv::AffineDescriptorExtractor

#include <opencv2/features2d.hpp>

AffineFeatureDetector

typedef AffineFeature cv::AffineFeatureDetector

#include <opencv2/features2d.hpp>

DescriptorExtractor

typedef Feature2D cv::DescriptorExtractor

#include <opencv2/features2d.hpp>

OpenCV 中的关键点描述符提取器具有通用的接口包装器，使您可以轻松地在解决同一问题的不同算法之间切换。本节致力于计算表示为多维空间中向量的描述符。所有实现向量描述符提取器的对象都继承了 DescriptorExtractor 接口。

特征检测器

typedef Feature2D cv::FeatureDetector

#include <opencv2/features2d.hpp>

OpenCV 中的特征检测器具有通用的接口包装器，使您可以轻松地在解决同一问题的不同算法之间切换。所有实现关键点检测器的对象都继承了 FeatureDetector 接口。

SiftDescriptorExtractor

typedef SIFT cv::SiftDescriptorExtractor

#include <opencv2/features2d.hpp>

SiftFeatureDetector

typedef SIFT cv::SiftFeatureDetector

#include <opencv2/features2d.hpp>

函数文档

AGAST() [1/2]

void cv::AGAST	(	输入数组	图像,
		std::vector< KeyPoint > &	关键点,
		整数	阈值,
		布尔值	非最大抑制,
		AgastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用AGAST算法检测角点。

参数

图像	检测关键点（角点）的灰度图像。
关键点	在图像上检测到的关键点。
阈值	中心像素与围绕该像素的圆形像素之间的强度差异的阈值。
非最大抑制	如果为真，则将非最大抑制应用于检测到的角点（关键点）。
类型	论文中定义的四个邻域之一：AgastFeatureDetector::AGAST_5_8，AgastFeatureDetector::AGAST_7_12d，AgastFeatureDetector::AGAST_7_12s，AgastFeatureDetector::OAST_9_16

对于非英特尔平台，存在具有相同数值结果的 AGAST 树优化变体。32 位二进制树表是使用 perl 脚本从原始代码自动生成的。perl 脚本和树生成的示例位于 features2d/doc 文件夹中。使用 [179] 中的 AGAST 算法检测角点。

AGAST() [2/2]

void cv::AGAST	(	输入数组	图像,
		std::vector< KeyPoint > &	关键点,
		整数	阈值,
		布尔值	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

这是一个重载成员函数，为了方便提供。它与上述函数的不同之处仅在于它接受的参数。

computeRecallPrecisionCurve()

void cv::computeRecallPrecisionCurve	(	const std::vector< std::vector< DMatch > > &	matches1to2,
		const std::vector< std::vector< uchar > > &	correctMatches1to2Mask,
		std::vector< Point2f > &	recallPrecisionCurve )

#include <opencv2/features2d.hpp>

evaluateFeatureDetector()

void cv::evaluateFeatureDetector	(	const Mat &	img1,
		const Mat &	img2,
		const Mat &	H1to2,
		std::vector< KeyPoint > *	keypoints1,
		std::vector< KeyPoint > *	keypoints2,
		float &	repeatability,
		int &	correspCount,
		const Ptr< FeatureDetector > &	fdetector = Ptr< FeatureDetector >() )

#include <opencv2/features2d.hpp>

FAST() [1/2]

void cv::FAST	(	输入数组	图像,
		std::vector< KeyPoint > &	关键点,
		整数	阈值,
		布尔值	非最大抑制,
		FastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用FAST算法检测角点。

参数

图像	检测关键点（角点）的灰度图像。
关键点	在图像上检测到的关键点。
阈值	中心像素与围绕该像素的圆形像素之间的强度差异的阈值。
非最大抑制	如果为真，则将非最大抑制应用于检测到的角点（关键点）。
类型	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 [228] 中的 FAST 算法检测角点。

注意

在 Python API 中，类型给出为 cv.FAST_FEATURE_DETECTOR_TYPE_5_8、cv.FAST_FEATURE_DETECTOR_TYPE_7_12 和 cv.FAST_FEATURE_DETECTOR_TYPE_9_16。对于角点检测，使用 cv.FAST.detect() 方法。

FAST() [2/2]

void cv::FAST	(	输入数组	图像,
		std::vector< KeyPoint > &	关键点,
		整数	阈值,
		布尔值	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

这是一个重载成员函数，为了方便提供。它与上述函数的不同之处仅在于它接受的参数。

getNearestPoint()

int cv::getNearestPoint	(	const std::vector< Point2f > &	recallPrecisionCurve,
		浮点数	l_precision )

#include <opencv2/features2d.hpp>

getRecall()

float cv::getRecall	(	const std::vector< Point2f > &	recallPrecisionCurve,
		浮点数	l_precision )

#include <opencv2/features2d.hpp>