java.lang.Object
- org.opencv.core.Algorithm
- - org.opencv.features2d.Feature2D
  - - org.opencv.features2d.SIFT

```
public class SIFT
extends Feature2D
```
用于使用 D. Lowe 提出的尺度不变特征变换 (SIFT) 算法 CITE: Lowe04 提取关键点和计算描述符的类。

字段摘要
- 从类 org.opencv.core.Algorithm 继承的字段
  nativeObj

构造函数摘要

构造函数
修饰符构造函数描述

protected SIFT(long addr)

方法摘要

所有方法静态方法实例方法具体方法
修饰符和类型	方法	描述
`static SIFT`	`__fromPtr__(long addr)`
`static SIFT`	`创建()`	(在 SIFT 算法中测量为局部对比度) 八度数根据图像分辨率自动计算。
`static SIFT`	`create(int nfeatures)`
`static SIFT`	`create(int nfeatures, int nOctaveLayers)`
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold)`
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold)`
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma)`
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, boolean enable_precise_upscale)`
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType)`	使用指定的 descriptorType 创建 SIFT。
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, boolean enable_precise_upscale)`	使用指定的 descriptorType 创建 SIFT。
`protected void`	`finalize()`
`double`	`getContrastThreshold()`
`java.lang.String`	`getDefaultName()`	返回算法字符串标识符。
`double`	`getEdgeThreshold()`
`int`	`getNFeatures()`
`int`	`getNOctaveLayers()`
`double`	`getSigma()`
`void`	`setContrastThreshold(double contrastThreshold)`
`void`	`setEdgeThreshold(double edgeThreshold)`
`void`	`setNFeatures(int maxFeatures)`
`void`	`setNOctaveLayers(int nOctaveLayers)`
`void`	`setSigma(double sigma)`

从类 org.opencv.features2d.Feature2D 继承的方法
compute, compute, defaultNorm, descriptorSize, descriptorType, detect, detect, detect, detect, detectAndCompute, detectAndCompute, empty, read, write

从类 org.opencv.core.Algorithm 继承的方法
clear, getNativeObjAddr, save

从类 java.lang.Object 继承的方法
clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 构造函数详情
  - SIFT
```
protected SIFT(long addr)
```
- 方法详情
  - __fromPtr__
```
public static SIFT __fromPtr__(long addr)
```
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma,
                          boolean enable_precise_upscale)
```
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤掉半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器产生的特征越少。注意： 应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值，并且如果要使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉边缘状特征的阈值。请注意，其含义与 contrastThreshold 不同，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于第 0 个八度输入图像的高斯函数的 sigma 值。如果您的图像由具有柔和镜头的弱相机拍摄，您可能需要减少此数值。
    
    enable_precise_upscale - 是否启用尺度金字塔中的精确上采样，它将索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma)
```
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤掉半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器产生的特征越少。注意： 应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值，并且如果要使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉边缘状特征的阈值。请注意，其含义与 contrastThreshold 不同，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于第 0 个八度输入图像的高斯函数的 sigma 值。如果您的图像由具有柔和镜头的弱相机拍摄，您可能需要减少此数值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold)
```
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤掉半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器产生的特征越少。注意： 应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值，并且如果要使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉边缘状特征的阈值。请注意，其含义与 contrastThreshold 不同，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。如果您的图像由具有柔和镜头的弱相机拍摄，您可能需要减少此数值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold)
```
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤掉半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器产生的特征越少。注意： 应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值，并且如果要使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。其含义与 contrastThreshold 不同，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。如果您的图像由具有柔和镜头的弱相机拍摄，您可能需要减少此数值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers)
```
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每组金字塔层数。D. Lowe论文中使用值为3。组数根据图像分辨率自动计算。(低对比度)区域。阈值越大，检测器产生的特征越少。**注意：**应用滤波时，对比度阈值将除以nOctaveLayers。当nOctaveLayers设置为默认值，并且想要使用D. Lowe论文中使用的值0.03时，请将此参数设置为0.09。与contrastThreshold不同，即edgeThreshold越大，过滤掉的特征越少（保留的特征越多）。如果使用弱相机和柔焦镜头拍摄图像，您可能需要减少此数值。索引到。这可以防止定位偏差。此选项默认禁用。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures)
```
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在SIFT算法中测量为局部对比度）进行排序。组数根据图像分辨率自动计算。(低对比度)区域。阈值越大，检测器产生的特征越少。**注意：**应用滤波时，对比度阈值将除以nOctaveLayers。当nOctaveLayers设置为默认值，并且想要使用D. Lowe论文中使用的值0.03时，请将此参数设置为0.09。与contrastThreshold不同，即edgeThreshold越大，过滤掉的特征越少（保留的特征越多）。如果使用弱相机和柔焦镜头拍摄图像，您可能需要减少此数值。索引到。这可以防止定位偏差。此选项默认禁用。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create()
```
    (在SIFT算法中测量为局部对比度)组数根据图像分辨率自动计算。(低对比度)区域。阈值越大，检测器产生的特征越少。**注意：**应用滤波时，对比度阈值将除以nOctaveLayers。当nOctaveLayers设置为默认值，并且想要使用D. Lowe论文中使用的值0.03时，请将此参数设置为0.09。与contrastThreshold不同，即edgeThreshold越大，过滤掉的特征越少（保留的特征越多）。如果使用弱相机和柔焦镜头拍摄图像，您可能需要减少此数值。索引到。这可以防止定位偏差。此选项默认禁用。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma,
                          int descriptorType,
                          boolean enable_precise_upscale)
```
    使用指定的 descriptorType 创建 SIFT。
    
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤掉半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器产生的特征越少。注意： 应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值，并且如果要使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉边缘状特征的阈值。请注意，其含义与 contrastThreshold 不同，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于第 0 个八度输入图像的高斯函数的 sigma 值。如果您的图像由具有柔和镜头的弱相机拍摄，您可能需要减少此数值。
    
    descriptorType - 描述符的类型。仅支持CV_32F和CV_8U。
    
    enable_precise_upscale - 是否启用尺度金字塔中的精确上采样，它将索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。默认情况下禁用此选项。
    
    返回值
    
    自动生成
  - 创建
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma,
                          int descriptorType)
```
    使用指定的 descriptorType 创建 SIFT。
    
    参数
    
    nfeatures - 要保留的最佳特征数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排序
    
    nOctaveLayers - 每个八度中的层数。3 是 D. Lowe 论文中使用的值。八度数根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤掉半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器产生的特征越少。注意： 应用过滤时，对比度阈值将除以 nOctaveLayers。当 nOctaveLayers 设置为默认值，并且如果要使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉边缘状特征的阈值。请注意，其含义与 contrastThreshold 不同，即 edgeThreshold 越大，过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于第 0 个八度输入图像的高斯函数的 sigma 值。如果您的图像由具有柔和镜头的弱相机拍摄，您可能需要减少此数值。
    
    descriptorType - 描述符的类型。仅支持CV_32F和CV_8U。索引到。这可以防止定位偏差。此选项默认禁用。
    
    返回值
    
    自动生成
  - getDefaultName
```
public java.lang.String getDefaultName()
```
    从类复制的描述： Algorithm
    
    返回算法字符串标识符。将对象保存到文件或字符串时，此字符串用作顶级xml/yml节点标签。
    
    重写
    
    getDefaultName 在类 Feature2D中
    
    返回值
    
    自动生成
  - setNFeatures
```
public void setNFeatures(int maxFeatures)
```
  - getNFeatures
```
public int getNFeatures()
```
  - setNOctaveLayers
```
public void setNOctaveLayers(int nOctaveLayers)
```
  - getNOctaveLayers
```
public int getNOctaveLayers()
```
  - setContrastThreshold
```
public void setContrastThreshold(double contrastThreshold)
```
  - getContrastThreshold
```
public double getContrastThreshold()
```
  - setEdgeThreshold
```
public void setEdgeThreshold(double edgeThreshold)
```
  - getEdgeThreshold
```
public double getEdgeThreshold()
```
  - setSigma
```
public void setSigma(double sigma)
```
  - getSigma
```
public double getSigma()
```
  - finalize
```
protected void finalize()
                 throws java.lang.Throwable
```
    重写
    
    finalize 在类 Feature2D中
    
    抛出
    
    java.lang.Throwable

SIFT 类

字段摘要

从类 org.opencv.core.Algorithm 继承的字段

构造函数摘要

方法摘要

从类 org.opencv.features2d.Feature2D 继承的方法

从类 org.opencv.core.Algorithm 继承的方法

从类 java.lang.Object 继承的方法

构造函数详情

SIFT

方法详情

__fromPtr__

创建

创建

创建

创建

创建

创建

创建

创建

创建

getDefaultName

setNFeatures

getNFeatures

setNOctaveLayers

getNOctaveLayers

setContrastThreshold

getContrastThreshold

setEdgeThreshold

getEdgeThreshold

setSigma

getSigma

finalize

fromPtr