cv::KeyPoint 类参考

用于显著点检测器的数据结构。 更多...

#include <opencv2/core/types.hpp>

cv::KeyPoint 的协作图

公共成员函数
	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

静态公共成员函数
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)

公共属性
float	angle
int	class_id
	对象类（如果关键点需要按它们所属的对象进行聚类）
int	octave
	从中提取关键点的八度音阶（金字塔层）
Point2f	pt
	关键点的坐标
float	response
	选择最强关键点的响应。 可用于进一步的排序或二次采样
float	size
	有意义的关键点邻域的直径

详细描述

用于显著点检测器的数据结构。

该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找到的点特征，例如 Harris 角点检测器、FAST、StarDetector、SURF、SIFT 等。

关键点的特征在于 2D 位置、比例（与需要考虑的邻域直径成正比）、方向和一些其他参数。 然后由另一种算法分析关键点邻域，该算法构建描述符（通常表示为特征向量）。 然后可以使用 KDTree 或另一种方法匹配表示不同图像中同一对象的关键点。

构造函数 & 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 & y 坐标
size	关键点直径
angle	关键点方向
response	关键点上关键点检测器的响应（即关键点的强度）
octave	检测到关键点的金字塔八度音阶
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	关键点上关键点检测器的响应（即关键点的强度）
octave	检测到关键点的金字塔八度音阶
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，反之亦然，其中每个关键点被分配相同的大小和相同的方向。

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的索引数组。 （充当仅转换指定关键点的掩码）

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

这是一个重载的成员函数，为了方便而提供。 它与上述函数的不同之处仅在于它接受哪些参数。

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	关键点上关键点检测器的响应（即关键点的强度）
octave	检测到关键点的金字塔八度音阶
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。 重叠是关键点区域的交集面积与关键点区域的并集面积之间的比率（将关键点区域视为圆形）。 如果它们不重叠，我们会得到零。 如果它们以相同的大小在同一位置重合，我们会得到 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

关键点的计算方向（如果不适用则为 -1）；它在 [0,360) 度范围内，并且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（如果关键点需要按它们所属的对象进行聚类）

octave

int cv::KeyPoint::octave

从中提取关键点的八度音阶（金字塔层）

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。 可用于进一步的排序或二次采样

size

float cv::KeyPoint::size

有意义的关键点邻域的直径

---

此类文档由以下文件生成

• opencv2/core/types.hpp