实现 ORB (oriented BRIEF) 关键点检测器和描述符提取器的类。更多...

#include <opencv2/features2d.hpp>

cv::ORB 的协作图

公共类型
枚举	评分类型 { HARRIS_SCORE =0 , FAST_SCORE =1 }

公共成员函数
virtual String	getDefaultName () const CV_OVERRIDE

virtual int	getEdgeThreshold () const =0

virtual int	getFastThreshold () const =0

virtual int	getFirstLevel () const =0

virtual int	getMaxFeatures () const =0

virtual int	getNLevels () const =0

virtual int	getPatchSize () const =0

virtual double	getScaleFactor () const =0

virtual ORB::ScoreType	getScoreType () const =0

virtual int	getWTA_K () const =0

virtual void	setEdgeThreshold (int edgeThreshold)=0

virtual void	setFastThreshold (int fastThreshold)=0

virtual void	setFirstLevel (int firstLevel)=0

virtual void	setMaxFeatures (int maxFeatures)=0

virtual void	setNLevels (int nlevels)=0

virtual void	setPatchSize (int patchSize)=0

virtual void	setScaleFactor (double scaleFactor)=0

virtual void	setScoreType (ORB::ScoreType scoreType)=0

virtual void	setWTA_K (int wta_k)=0

继承自 cv::Feature2D 的公共成员函数
virtual	~Feature2D ()

virtual void	compute (InputArray image, std::vector< KeyPoint > &keypoints, OutputArray descriptors)
	计算在图像（第一种变体）或图像集（第二种变体）中检测到的关键点的描述符。

virtual void	compute (InputArrayOfArrays images, std::vector< std::vector< KeyPoint > > &keypoints, OutputArrayOfArrays descriptors)

virtual int	defaultNorm () const

virtual int	descriptorSize () const

virtual int	descriptorType () const

virtual void	detect (InputArray image, std::vector< KeyPoint > &keypoints, InputArray mask=noArray())
	检测图像（第一种变体）或图像集（第二种变体）中的关键点。

virtual void	detect (InputArrayOfArrays images, std::vector< std::vector< KeyPoint > > &keypoints, InputArrayOfArrays masks=noArray())

virtual void	detectAndCompute (InputArray image, InputArray mask, std::vector< KeyPoint > &keypoints, OutputArray descriptors, bool useProvidedKeypoints=false)

virtual bool	empty () const CV_OVERRIDE
	如果检测器对象为空，则返回 true。

virtual void	read (const FileNode &) CV_OVERRIDE
	从文件存储中读取算法参数。

void	read (const String &fileName)

void	write (const Ptr< FileStorage > &fs, const String &name) const

void	write (const String &fileName) const

virtual void	write (FileStorage &) const CV_OVERRIDE
	将算法参数存储到文件存储中。

void	write (FileStorage &fs, const String &name) const

继承自 cv::Algorithm 的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< ORB >	create (int nfeatures=500, float scaleFactor=1.2f, int nlevels=8, int edgeThreshold=31, int firstLevel=0, int WTA_K=2, ORB::ScoreType scoreType=ORB::HARRIS_SCORE, int patchSize=31, int fastThreshold=20)
	ORB 构造函数。

继承自 cv::Algorithm 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

静态公共属性
static const int	kBytes = 32

额外继承成员
继承自 cv::Algorithm 的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现 ORB (oriented BRIEF) 关键点检测器和描述符提取器的类。

描述于 [232]。该算法在金字塔中使用 FAST 来检测稳定的关键点，使用 FAST 或 Harris 响应选择最强的特征，使用一阶矩找到它们的方向，并使用 BRIEF 计算描述符（其中随机点对（或 k-元组）的坐标根据测量的方向进行旋转）。

成员枚举文档

◆ 评分类型

枚举 cv::ORB::ScoreType

枚举器
HARRIS_SCORE
FAST_SCORE

成员函数文档

◆ create()

static Ptr< ORB > cv::ORB::create	(	int	nfeatures = 500,
		float	scaleFactor = 1.2f,
		int	nlevels = 8,
		int	edgeThreshold = 31,
		int	firstLevel = 0,
		int	WTA_K = 2,
		ORB::ScoreType	scoreType = ORB::HARRIS_SCORE,
		int	patchSize = 31,
		int	fastThreshold = 20 )

static

Python
	cv.ORB.create(	[, nfeatures[, scaleFactor[, nlevels[, edgeThreshold[, firstLevel[, WTA_K[, scoreType[, patchSize[, fastThreshold]]]]]]]]]	) ->	retval
	cv.ORB_create(	[, nfeatures[, scaleFactor[, nlevels[, edgeThreshold[, firstLevel[, WTA_K[, scoreType[, patchSize[, fastThreshold]]]]]]]]]	) ->	retval

ORB 构造函数。

参数

nfeatures	要保留的最大特征数。
scaleFactor	金字塔抽取率，大于 1。scaleFactor==2 表示经典金字塔，其中每个下一级别比上一级别少 4 倍像素，但如此大的比例因子会显著降低特征匹配分数。另一方面，过接近 1 的比例因子意味着要覆盖一定的尺度范围，您将需要更多的金字塔级别，从而速度会受影响。
nlevels	金字塔级别数。最小级别将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性大小。
edgeThreshold	这是不检测特征的边界大小。它应大致与 patchSize 参数匹配。
firstLevel	放置源图像的金字塔级别。以前的层将填充放大后的源图像。
WTA_K	产生定向 BRIEF 描述符每个元素的点数。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，从而得到 0/1 响应。其他可能的值是 3 和 4。例如，3 意味着我们取 3 个随机点（当然，这些点坐标是随机的，但它们是从预定义的种子生成的，因此 BRIEF 描述符的每个元素都是从像素矩形确定性地计算出来的），找到最大亮度的点并输出获胜者索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一种特殊变体的 Hamming 距离，表示为 NORM_HAMMING2（每个 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这也将占用 2 位，可能的值为 0、1、2 或 3）。
scoreType	默认的 HARRIS_SCORE 意味着使用 Harris 算法对特征进行排序（分数写入 KeyPoint::score 并用于保留最佳 nfeatures 特征）；FAST_SCORE 是参数的替代值，它产生的关键点稳定性略低，但计算速度稍快。
patchSize	定向 BRIEF 描述符使用的补丁大小。当然，在较小的金字塔层上，特征覆盖的感知图像区域会更大。
fastThreshold	FAST 阈值

◆ getDefaultName()

virtual String cv::ORB::getDefaultName ( ) const

virtual

Python
	cv.ORB.getDefaultName(		) ->	retval

返回算法字符串标识符。当对象保存到文件或字符串时，此字符串用作顶层 xml/yml 节点标签。

重新实现自 cv::Feature2D。

◆ getEdgeThreshold()

virtual int cv::ORB::getEdgeThreshold ( ) const

纯虚函数

Python
	cv.ORB.getEdgeThreshold(		) ->	retval

◆ getFastThreshold()

virtual int cv::ORB::getFastThreshold ( ) const

纯虚函数

Python
	cv.ORB.getFastThreshold(		) ->	retval

◆ getFirstLevel()

virtual int cv::ORB::getFirstLevel ( ) const

纯虚函数

Python
	cv.ORB.getFirstLevel(		) ->	retval

◆ getMaxFeatures()

virtual int cv::ORB::getMaxFeatures ( ) const

纯虚函数

Python
	cv.ORB.getMaxFeatures(		) ->	retval

◆ getNLevels()

virtual int cv::ORB::getNLevels ( ) const

纯虚函数

Python
	cv.ORB.getNLevels(		) ->	retval

◆ getPatchSize()

virtual int cv::ORB::getPatchSize ( ) const

纯虚函数

Python
	cv.ORB.getPatchSize(		) ->	retval

◆ getScaleFactor()

virtual double cv::ORB::getScaleFactor ( ) const

纯虚函数

Python
	cv.ORB.getScaleFactor(		) ->	retval

◆ getScoreType()

virtual ORB::ScoreType cv::ORB::getScoreType ( ) const

纯虚函数

Python
	cv.ORB.getScoreType(		) ->	retval

◆ getWTA_K()

virtual int cv::ORB::getWTA_K ( ) const

纯虚函数

Python
	cv.ORB.getWTA_K(		) ->	retval

◆ setEdgeThreshold()

virtual void cv::ORB::setEdgeThreshold ( int edgeThreshold )

纯虚函数

Python
	cv.ORB.setEdgeThreshold(	edgeThreshold	) ->	无

◆ setFastThreshold()

virtual void cv::ORB::setFastThreshold ( int fastThreshold )

纯虚函数

Python
	cv.ORB.setFastThreshold(	fastThreshold	) ->	无

◆ setFirstLevel()

virtual void cv::ORB::setFirstLevel ( int firstLevel )

纯虚函数

Python
	cv.ORB.setFirstLevel(	firstLevel	) ->	无

◆ setMaxFeatures()

virtual void cv::ORB::setMaxFeatures ( int maxFeatures )

纯虚函数

Python
	cv.ORB.setMaxFeatures(	maxFeatures	) ->	无

◆ setNLevels()

virtual void cv::ORB::setNLevels ( int nlevels )

纯虚函数

Python
	cv.ORB.setNLevels(	nlevels	) ->	无

◆ setPatchSize()

virtual void cv::ORB::setPatchSize ( int patchSize )

纯虚函数

Python
	cv.ORB.setPatchSize(	patchSize	) ->	无

◆ setScaleFactor()

virtual void cv::ORB::setScaleFactor ( double scaleFactor )

纯虚函数

Python
	cv.ORB.setScaleFactor(	scaleFactor	) ->	无

◆ setScoreType()

virtual void cv::ORB::setScoreType ( ORB::ScoreType scoreType )

纯虚函数

Python
	cv.ORB.setScoreType(	scoreType	) ->	无

◆ setWTA_K()

virtual void cv::ORB::setWTA_K ( int wta_k )

纯虚函数

Python
	cv.ORB.setWTA_K(	wta_k	) ->	无

成员数据文档

◆ kBytes

const int cv::ORB::kBytes = 32

static

此类的文档生成自以下文件

opencv2/features2d.hpp

公共类型

公共成员函数

静态公共成员函数

静态公共属性

额外继承成员

详细描述

成员枚举文档

◆ 评分类型

成员函数文档

◆ create()

◆ getDefaultName()

◆ getEdgeThreshold()

◆ getFastThreshold()

◆ getFirstLevel()

◆ getMaxFeatures()

◆ getNLevels()

◆ getPatchSize()

◆ getScaleFactor()

◆ getScoreType()

◆ getWTA_K()

◆ setEdgeThreshold()

◆ setFastThreshold()

◆ setFirstLevel()

◆ setMaxFeatures()

◆ setNLevels()

◆ setPatchSize()

◆ setScaleFactor()

◆ setScoreType()

◆ setWTA_K()

成员数据文档

◆ kBytes