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

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

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

保护 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`	`create()`	(在 SIFT 算法中测量为局部对比度)八度层的数量会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)`	使用指定的描述符类型创建 SIFT。
`static SIFT`	`create(int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, boolean enable_precise_upscale)`	使用指定的描述符类型创建 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

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

- 构造函数详细信息
  - SIFT
```
protected SIFT(long addr)
```
- 方法详细信息
  - __fromPtr__
```
public static SIFT __fromPtr__(long addr)
```
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma,
                          boolean enable_precise_upscale)
```
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉类边缘特征的阈值。请注意，它的含义与 contrastThreshold 不同，即 edgeThreshold 越大，被过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于八度层 #0 输入图像的高斯 σ 值。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。
    
    enable_precise_upscale - 是否在尺度金字塔中启用精确放大，将索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma)
```
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉类边缘特征的阈值。请注意，它的含义与 contrastThreshold 不同，即 edgeThreshold 越大，被过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于八度层 #0 输入图像的高斯 σ 值。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold)
```
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉类边缘特征的阈值。请注意，它的含义与 contrastThreshold 不同，即 edgeThreshold 越大，被过滤掉的特征越少（保留的特征越多）。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold)
```
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 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，被过滤掉的特征越少（保留的特征越多）。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers)
```
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。（低对比度）区域。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 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，被过滤掉的特征越少（保留的特征越多）。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures)
```
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）排名。八度层的数量会根据图像分辨率自动计算。（低对比度）区域。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 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，被过滤掉的特征越少（保留的特征越多）。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create()
```
    (在 SIFT 算法中测量为局部对比度)八度层的数量会根据图像分辨率自动计算。（低对比度）区域。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 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，被过滤掉的特征越少（保留的特征越多）。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma,
                          int descriptorType,
                          boolean enable_precise_upscale)
```
    使用指定的描述符类型创建 SIFT。
    
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉类边缘特征的阈值。请注意，它的含义与 contrastThreshold 不同，即 edgeThreshold 越大，被过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于八度层 #0 输入图像的高斯 σ 值。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。
    
    descriptorType - 描述符的类型。只支持 CV_32F 和 CV_8U。
    
    enable_precise_upscale - 是否在尺度金字塔中启用精确放大，将索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - create
```
public static SIFT create(int nfeatures,
                          int nOctaveLayers,
                          double contrastThreshold,
                          double edgeThreshold,
                          double sigma,
                          int descriptorType)
```
    使用指定的描述符类型创建 SIFT。
    
    参数
    
    nfeatures - 要保留的最佳特征的数量。特征按其分数（在 SIFT 算法中测量为局部对比度）进行排名。
    
    nOctaveLayers - 每个八度层的层数。3 是 D. Lowe 论文中使用的值。八度层的数量会根据图像分辨率自动计算。
    
    contrastThreshold - 用于过滤半均匀（低对比度）区域中弱特征的对比度阈值。阈值越大，检测器生成的特征越少。注意：当应用过滤时，对比度阈值将被 nOctaveLayers 整除。当 nOctaveLayers 设置为默认值，并且您想使用 D. Lowe 论文中使用的值 0.03 时，请将此参数设置为 0.09。
    
    edgeThreshold - 用于过滤掉类边缘特征的阈值。请注意，它的含义与 contrastThreshold 不同，即 edgeThreshold 越大，被过滤掉的特征越少（保留的特征越多）。
    
    sigma - 应用于八度层 #0 输入图像的高斯 σ 值。如果您的图像是用弱相机和软镜头捕获的，您可能需要减小此值。
    
    descriptorType - 描述符的类型。只支持 CV_32F 和 CV_8U。索引 \(\texttt{x}\) 映射到 \(\texttt{2x}\)。这可以防止定位偏差。此选项默认禁用。
    
    返回
    
    自动生成
  - getDefaultName
```
public java.lang.String getDefaultName()
```
    描述来自类复制： Algorithm
    
    返回算法字符串标识符。当对象保存到文件或字符串时，此字符串用作顶级 xml/yml 节点标签。
    
    重写
    
    getDefaultName 在类 Feature2D 中
    
    返回
    
    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

类 SIFT

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

从类继承的方法 java.lang.Object

构造函数详细信息

SIFT

方法详细信息

__fromPtr__

create

create

create

create

create

create

create

create

create

getDefaultName

setNFeatures

getNFeatures

setNOctaveLayers

getNOctaveLayers

setContrastThreshold

getContrastThreshold

setEdgeThreshold

getEdgeThreshold

setSigma

getSigma

finalize

fromPtr