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

```
public class ORB
extends Feature2D
```
实现了 CITE: RRKB11 中描述的 ORB (*oriented BRIEF*) 关键点检测器和描述符提取器的类。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 响应来选择最强的特征，使用一阶矩来查找其方向，并使用 BRIEF 计算描述符（其中随机点对（或 k-元组）的坐标根据测量到的方向进行旋转）。

字段摘要

字段
修饰符和类型字段描述

static int FAST_SCORE

static int HARRIS_SCORE
- 从类继承的字段 org.opencv.core.Algorithm
  nativeObj

构造函数摘要

构造函数
修饰符构造函数描述

保护 ORB(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
`静态 ORB`	`__fromPtr__(long addr)`
`静态 ORB`	`create()`	ORB 构造函数金字塔，其中下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。
`静态 ORB`	`create(int nfeatures)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType, int patchSize)`	ORB 构造函数
`静态 ORB`	`create(int nfeatures, float scaleFactor, int nlevels, int edgeThreshold, int firstLevel, int WTA_K, int scoreType, int patchSize, int fastThreshold)`	ORB 构造函数
`java.lang.String`	`getDefaultName()`	返回算法字符串标识符。
`int`	`getEdgeThreshold()`
`int`	`getFastThreshold()`
`int`	`getFirstLevel()`
`int`	`getMaxFeatures()`
`int`	`getNLevels()`
`int`	`getPatchSize()`
`double`	`getScaleFactor()`
`int`	`getScoreType()`
`int`	`getWTA_K()`
`void`	`setEdgeThreshold(int edgeThreshold)`
`void`	`setFastThreshold(int fastThreshold)`
`void`	`setFirstLevel(int firstLevel)`
`void`	`setMaxFeatures(int maxFeatures)`
`void`	`setNLevels(int nlevels)`
`void`	`setPatchSize(int patchSize)`
`void`	`setScaleFactor(double scaleFactor)`
`void`	`setScoreType(int scoreType)`
`void`	`setWTA_K(int wta_k)`

从类继承的方法 Feature2D
compute, compute, defaultNorm, descriptorSize, descriptorType, detect, detect, detect, detect, detectAndCompute, detectAndCompute, empty, read, write

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

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

- 字段详情
  - HARRIS_SCORE
```
public static final int HARRIS_SCORE
```
    另请参阅
    
    常量字段值
  - FAST_SCORE
```
public static final int FAST_SCORE
```
    另请参阅
    
    常量字段值
- 构造函数详情
  - ORB
```
protected ORB(long addr)
```
- 方法详情
  - __fromPtr__
```
public static ORB __fromPtr__(long addr)
```
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels,
                         int edgeThreshold,
                         int firstLevel,
                         int WTA_K,
                         int scoreType,
                         int patchSize,
                         int fastThreshold)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。
    
    edgeThreshold - 这是不检测特征的边界大小。它应该大致匹配 patchSize 参数。
    
    firstLevel - 将源图像放入金字塔的层。前一层用放大后的源图像填充。
    
    WTA_K - 生成定向 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，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。
    
    scoreType - 默认的 HARRIS_SCORE 表示使用 Harris 算法对特征进行排序（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。
    
    patchSize - 定向 BRIEF 描述符使用的块的大小。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
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels,
                         int edgeThreshold,
                         int firstLevel,
                         int WTA_K,
                         int scoreType,
                         int patchSize)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。
    
    edgeThreshold - 这是不检测特征的边界大小。它应该大致匹配 patchSize 参数。
    
    firstLevel - 将源图像放入金字塔的层。前一层用放大后的源图像填充。
    
    WTA_K - 生成定向 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，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。
    
    scoreType - 默认的 HARRIS_SCORE 表示使用 Harris 算法对特征进行排序（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。
    
    patchSize - 定向 BRIEF 描述符使用的块的大小。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。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels,
                         int edgeThreshold,
                         int firstLevel,
                         int WTA_K,
                         int scoreType)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。
    
    edgeThreshold - 这是不检测特征的边界大小。它应该大致匹配 patchSize 参数。
    
    firstLevel - 将源图像放入金字塔的层。前一层用放大后的源图像填充。
    
    WTA_K - 生成定向 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，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。
    
    scoreType - 默认的 HARRIS_SCORE 表示使用 Harris 算法对特征进行排序（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels,
                         int edgeThreshold,
                         int firstLevel,
                         int WTA_K)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。
    
    edgeThreshold - 这是不检测特征的边界大小。它应该大致匹配 patchSize 参数。
    
    firstLevel - 将源图像放入金字塔的层。前一层用放大后的源图像填充。
    
    WTA_K - 生成定向 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，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels,
                         int edgeThreshold,
                         int firstLevel)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。
    
    edgeThreshold - 这是不检测特征的边界大小。它应该大致匹配 patchSize 参数。
    
    firstLevel - 将源图像放入金字塔的层。前一层用放大后的源图像填充。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels,
                         int edgeThreshold)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。
    
    edgeThreshold - 这是不检测特征的边界大小。它应该大致匹配 patchSize 参数。用放大后的源图像。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor,
                         int nlevels)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。
    
    nlevels - 金字塔层数。最小层将具有等于 input_image_linear_size/pow(scaleFactor, nlevels - firstLevel) 的线性尺寸。大致匹配 patchSize 参数。用放大后的源图像。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures,
                         float scaleFactor)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。
    
    scaleFactor - 金字塔抽取比，大于 1。scaleFactor==2 表示经典金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。input_image_linear_size/pow(scaleFactor, nlevels - firstLevel)。大致匹配 patchSize 参数。用放大后的源图像。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create(int nfeatures)
```
    ORB 构造函数
    
    参数
    
    nfeatures - 要保留的最大特征数。金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。input_image_linear_size/pow(scaleFactor, nlevels - firstLevel)。大致匹配 patchSize 参数。用放大后的源图像。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - create
```
public static ORB create()
```
    ORB 构造函数金字塔，下一层比上一层有 4 倍少的像素，但如此大的比例因子会严重降低特征匹配分数。另一方面，太接近 1 的比例因子意味着要覆盖一定的尺度范围需要更多的金字塔层，因此速度会受到影响。input_image_linear_size/pow(scaleFactor, nlevels - firstLevel)。大致匹配 patchSize 参数。用放大后的源图像。默认值 2 表示 BRIEF，我们取一个随机点对并比较它们的亮度，因此我们得到 0/1 响应。其他可能的值是 3 和 4。例如，3 表示我们取 3 个随机点（当然，这些点的坐标是随机的，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从像素矩形确定性地计算得出），找到亮度最大的点并输出获胜者的索引（0、1 或 2）。这样的输出将占用 2 位，因此需要一个特殊的汉明距离变体，表示为 NORM_HAMMING2（每 bin 2 位）。当 WTA_K=4 时，我们取 4 个随机点来计算每个 bin（这将占用 2 位，可能的值为 0、1、2 或 3）。（分数写入 KeyPoint::score 并用于保留最佳的 nfeatures 特征）；FAST_SCORE 是该参数的替代值，产生的关键点稳定性稍差，但计算速度稍快。金字塔层特征覆盖的感知图像区域会更大。
    
    返回
    
    自动生成
  - setMaxFeatures
```
public void setMaxFeatures(int maxFeatures)
```
  - getMaxFeatures
```
public int getMaxFeatures()
```
  - setScaleFactor
```
public void setScaleFactor(double scaleFactor)
```
  - getScaleFactor
```
public double getScaleFactor()
```
  - setNLevels
```
public void setNLevels(int nlevels)
```
  - getNLevels
```
public int getNLevels()
```
  - setEdgeThreshold
```
public void setEdgeThreshold(int edgeThreshold)
```
  - getEdgeThreshold
```
public int getEdgeThreshold()
```
  - setFirstLevel
```
public void setFirstLevel(int firstLevel)
```
  - getFirstLevel
```
public int getFirstLevel()
```
  - setWTA_K
```
public void setWTA_K(int wta_k)
```
  - getWTA_K
```
public int getWTA_K()
```
  - setScoreType
```
public void setScoreType(int scoreType)
```
  - getScoreType
```
public int getScoreType()
```
  - setPatchSize
```
public void setPatchSize(int patchSize)
```
  - getPatchSize
```
public int getPatchSize()
```
  - setFastThreshold
```
public void setFastThreshold(int fastThreshold)
```
  - getFastThreshold
```
public int getFastThreshold()
```
  - getDefaultName
```
public java.lang.String getDefaultName()
```
    从类复制的描述: Algorithm
    
    返回算法字符串标识符。当对象保存到文件或字符串时，此字符串用作顶层 xml/yml 节点标签。
    
    重写
    
    getDefaultName 在类中 Feature2D
    
    返回
    
    自动生成

字段
修饰符和类型	字段	描述
`static int`	`FAST_SCORE`
`static int`	`HARRIS_SCORE`

类 ORB

字段摘要

从类继承的字段 org.opencv.core.Algorithm

构造函数摘要

方法摘要

从类继承的方法 Feature2D

从类继承的方法 org.opencv.core.Algorithm

从类 java.lang.Object 继承的方法

字段详情

HARRIS_SCORE

FAST_SCORE

构造函数详情

ORB

方法详情

__fromPtr__

create

create

create

create

create

create

create

create

create

create

setMaxFeatures

getMaxFeatures

setScaleFactor

getScaleFactor

setNLevels

getNLevels

setEdgeThreshold

getEdgeThreshold

setFirstLevel

getFirstLevel

setWTA_K

getWTA_K

setScoreType

getScoreType

setPatchSize

getPatchSize

setFastThreshold

getFastThreshold

getDefaultName

从类继承的方法 `Feature2D`

fromPtr