特徵檢測與描述

詳細描述

類
結構體	cv::Accumulator< T >
結構體	cv::Accumulator< char >
結構體	cv::Accumulator< short >
結構體	cv::Accumulator< unsigned char >
結構體	cv::Accumulator< unsigned short >
類	cv::AffineFeature
	用於實現包裝器的類，該包裝器使檢測器和提取器具有仿射不變性，如 [314] 中的 ASIFT 所述。 更多...
類	cv::AgastFeatureDetector
	使用 AGAST 方法進行特徵檢測的包裝類。: 更多...
類	cv::AKAZE
	實現 AKAZE 關鍵點檢測器和描述符提取器的類，如 [11] 中所述。 更多...
類	cv::BRISK
	實現 BRISK 關鍵點檢測器和描述符提取器的類，如 [161] 中所述。 更多...
類	cv::FastFeatureDetector
	使用 FAST 方法進行特徵檢測的包裝類。: 更多...
類	cv::Feature2D
	用於 2D 影像特徵檢測器和描述符提取器的抽象基類。 更多...
類	cv::GFTTDetector
	使用 goodFeaturesToTrack 函式進行特徵檢測的包裝類。: 更多...
類	cv::KAZE
	實現 KAZE 關鍵點檢測器和描述符提取器的類，如 [10] 中所述。 更多...
類	cv::KeyPointsFilter
	一個過濾關鍵點向量的類。 更多...
結構體	cv::L1< T >
結構體	cv::L2< T >
類	cv::MSER
	極大穩定極值區域提取器。 更多...
類	cv::ORB
	實現 ORB (oriented BRIEF) 關鍵點檢測器和描述符提取器的類。 更多...
類	cv::SIFT
	用於使用尺度不變特徵變換 (SIFT) 演算法提取關鍵點並計算描述符的類，由 D. Lowe [176] 提出。 更多...
類	cv::SimpleBlobDetector
	用於從影像中提取斑點的類。: 更多...
結構體	cv::SL2< T >

型別定義
typedef AffineFeature	cv::AffineDescriptorExtractor
typedef AffineFeature	cv::AffineFeatureDetector
typedef Feature2D	cv::DescriptorExtractor
typedef Feature2D	cv::FeatureDetector
typedef SIFT	cv::SiftDescriptorExtractor
typedef SIFT	cv::SiftFeatureDetector

函式
void	cv::AGAST (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression, AgastFeatureDetector::DetectorType type)
	使用AGAST演算法檢測角點。
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 演算法檢測角點。
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)

型別定義文件

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 中關鍵點描述符的提取器具有一個通用介面的包裝器，使您可以輕鬆地在解決相同問題的不同演算法之間切換。本節致力於計算表示為多維空間中的向量的描述符。所有實現向量描述符提取器的物件都繼承 DescriptorExtractor 介面。

FeatureDetector

typedef Feature2D cv::FeatureDetector

#include <opencv2/features2d.hpp>

OpenCV 中的特徵檢測器具有一個通用介面的包裝器，使您可以輕鬆地在解決相同問題的不同演算法之間切換。所有實現關鍵點檢測器的物件都繼承 FeatureDetector 介面。

SiftDescriptorExtractor

typedef SIFT cv::SiftDescriptorExtractor

#include <opencv2/features2d.hpp>

SiftFeatureDetector

typedef SIFT cv::SiftFeatureDetector

#include <opencv2/features2d.hpp>

函式文件

AGAST() [1/2]

void cv::AGAST	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。,
		bool	nonmaxSuppression,
		AgastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用AGAST演算法檢測角點。

引數

image	在其中檢測到關鍵點（角）的灰度影像。
keypoints	在影像上檢測到的關鍵點。
RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。	中心畫素的強度與該畫素周圍圓的畫素之間的差異閾值。
nonmaxSuppression	如果為 true，則將非最大值抑制應用於檢測到的角（關鍵點）。
type	論文中定義的四個鄰域之一：AgastFeatureDetector::AGAST_5_8, AgastFeatureDetector::AGAST_7_12d, AgastFeatureDetector::AGAST_7_12s, AgastFeatureDetector::OAST_9_16

對於非 Intel 平臺，有一個樹最佳化的 AGAST 變體，具有相同的數值結果。32 位二進位制樹表是使用 perl 指令碼從原始程式碼自動生成的。perl 指令碼和樹生成示例位於 features2d/doc 資料夾中。使用 [182] 的 AGAST 演算法檢測角點。

AGAST() [2/2]

void cv::AGAST	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。,
		bool	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

這是一個過載的成員函式，為了方便而提供。它與上述函式的不同之處僅在於它接受的引數。

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引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。,
		bool	nonmaxSuppression,
		FastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用 FAST 演算法檢測角點。

引數

image	在其中檢測到關鍵點（角）的灰度影像。
keypoints	在影像上檢測到的關鍵點。
RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。	中心畫素的強度與該畫素周圍圓的畫素之間的差異閾值。
nonmaxSuppression	如果為 true，則將非最大值抑制應用於檢測到的角（關鍵點）。
type	論文中定義的三個鄰域之一：FastFeatureDetector::TYPE_9_16, FastFeatureDetector::TYPE_7_12, FastFeatureDetector::TYPE_5_8

使用 [231] 的 FAST 演算法檢測角點。

注意

在 Python API 中，型別以 cv.FAST_FEATURE_DETECTOR_TYPE_5_8、cv.FAST_FEATURE_DETECTOR_TYPE_7_12 和 cv.FAST_FEATURE_DETECTOR_TYPE_9_16 給出。對於角點檢測，請使用 cv.FAST.detect() 方法。

FAST() [2/2]

void cv::FAST	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。,
		bool	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

這是一個過載的成員函式，為了方便而提供。它與上述函式的不同之處僅在於它接受的引數。

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>