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
	用于实现包装器的类，该包装器使检测器和提取器具有仿射不变性，如 [314] 中的 ASIFT 所述。 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 [11] 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 [161] 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
	用于 2D 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 [10] 中所述。 更多...
类	cv::KeyPointsFilter
	一个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
	极大稳定极值区域提取器。 更多...
类	cv::ORB
	实现 ORB (oriented BRIEF) 关键点检测器和描述符提取器的类。 更多...
类	cv::SIFT
	用于使用尺度不变特征变换 (SIFT) 算法提取关键点并计算描述符的类，由 D. Lowe [176] 提出。 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 中关键点描述符的提取器具有一个通用接口的包装器，使您可以轻松地在解决相同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的向量的描述符。所有实现向量描述符提取器的对象都继承 DescriptorExtractor 接口。

FeatureDetector

typedef Feature2D cv::FeatureDetector

#include <opencv2/features2d.hpp>

OpenCV 中的特征检测器具有一个通用接口的包装器，使您可以轻松地在解决相同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 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	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。,
		bool	nonmaxSuppression,
		AgastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用AGAST算法检测角点。

参数

image	在其中检测到关键点（角）的灰度图像。
keypoints	在图像上检测到的关键点。
RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。	中心像素的强度与该像素周围圆的像素之间的差异阈值。
nonmaxSuppression	如果为 true，则将非最大值抑制应用于检测到的角（关键点）。
type	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 Intel 平台，有一个树优化的 AGAST 变体，具有相同的数值结果。32 位二进制树表是使用 perl 脚本从原始代码自动生成的。perl 脚本和树生成示例位于 features2d/doc 文件夹中。使用 [182] 的 AGAST 算法检测角点。

AGAST() [2/2]

void cv::AGAST	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。,
		bool	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

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	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。,
		bool	nonmaxSuppression,
		FastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用 FAST 算法检测角点。

参数

image	在其中检测到关键点（角）的灰度图像。
keypoints	在图像上检测到的关键点。
RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。	中心像素的强度与该像素周围圆的像素之间的差异阈值。
nonmaxSuppression	如果为 true，则将非最大值抑制应用于检测到的角（关键点）。
type	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 [231] 的 FAST 算法检测角点。

注意

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

FAST() [2/2]

void cv::FAST	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。,
		bool	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

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的参数。

getNearestPoint()

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

#include <opencv2/features2d.hpp>

getRecall()

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

#include <opencv2/features2d.hpp>