xfeatures2d.hpp 文件参考

#include "opencv2/features2d.hpp"
#include "opencv2/xfeatures2d/nonfree.hpp"

xfeatures2d.hpp 的包含依赖关系图

类
类	cv::xfeatures2d::AffineFeature2D
	实现关键点仿射自适应的类。 更多…
类	cv::xfeatures2d::BEBLID
	实现 BEBLID（基于提升的有效二进制局部图像描述符）的类，如 suarez2020b 中所述 BEBLID [256] 。 更多…
类	cv::xfeatures2d::BoostDesc
	实现 BoostDesc（使用提升学习图像描述符）的类，如 trzcinski13a 和 BoostDesc [261] 和 [262] 中所述。 更多…
类	cv::xfeatures2d::BriefDescriptorExtractor
	计算在 [47] 中描述的 BRIEF 描述符的类。 更多…
类	cv::xfeatures2d::DAISY
	实现 DAISY 描述符的类，如 tola10 中所述。 DAISY [270]。 更多…
类	cv::xfeatures2d::Elliptic_KeyPoint
	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）关键点描述符的类，如 aov12 中所述 FREAK [8] 。 更多…
类	cv::xfeatures2d::HarrisLaplaceFeatureDetector
	实现 Harris-Laplace 特征检测器的类，如 [192] 中所述。 更多…
类	cv::xfeatures2d::LATCH
类	cv::xfeatures2d::LUCID
	实现局部一致性比较图像描述符的类，如 [321] 中所述。 更多…
类	cv::xfeatures2d::MSDDetector
	实现 MSD（最大自身不相异性）关键点检测器的类，如 [271] 中所述。 更多…
类	cv::xfeatures2d::PCTSignatures
	实现 PCT（位置-颜色-纹理）特征提取的类，如 [151] 中所述。该算法分为特征采样器和聚类器。特征采样器在给定坐标集上产生样本。然后，聚类器使用 k 均值算法产生这些样本的聚类。生成的聚类集是输入图像的特征。 更多…
类	cv::xfeatures2d::PCTSignaturesSQFD
	实现特征二次型距离 (SQFD) 的类。 更多…
类	cv::xfeatures2d::StarDetector
	此类实现由 [2] 引入的关键点检测器，与 StarDetector 同义。: 更多…
类	cv::xfeatures2d::TBMR
	实现基于树的莫尔斯区域 (TBMR) 的类，如 [307] 中所述，并扩展了比例提取能力。 更多…
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 TEBLID [257] 中所述。 更多…
类	cv::xfeatures2d::VGG
	实现 VGG（牛津视觉几何组）描述符的类，使用“使用凸优化的描述符学习”（DLCO）设备进行端到端训练，如 VGG [246] 中所述。 更多…

命名空间
命名空间	cv
命名空间	cv::xfeatures2d

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 算法估计预先指定 KeyPoints 的角点特性。
void	cv::xfeatures2d::matchGMS (const Size &size1, const Size &size2, const std::vector< KeyPoint > &keypoints1, const std::vector< KeyPoint > &keypoints2, const std::vector< DMatch > &matches1to2, std::vector< DMatch > &matchesGMS, const bool withRotation=false, const bool withScale=false, const double thresholdFactor=6.0)
	在 [26] 中描述的 GMS（基于网格的运动统计）特征匹配策略。
void	cv::xfeatures2d::matchLOGOS (const std::vector< KeyPoint > &keypoints1, const std::vector< KeyPoint > &keypoints2, const std::vector< int > &nn1, const std::vector< int > &nn2, std::vector< DMatch > &matches1to2)
	LOGOS（用于高异常值空间验证的局部几何支持）特征匹配策略，详见 [174]。