此類使用 D. Lowe [176] 的尺度不變特徵變換（SIFT）演算法提取關鍵點並計算描述符。更多...

#include <opencv2/features2d.hpp>

cv::SIFT 的協作圖

公共成員函式
virtual double	getContrastThreshold () const =0

virtual String	getDefaultName () const CV_OVERRIDE

virtual double	getEdgeThreshold () const =0

virtual int	getNFeatures () const =0

virtual int	getNOctaveLayers () const =0

virtual double	getSigma () const =0

virtual void	setContrastThreshold (double contrastThreshold)=0

virtual void	setEdgeThreshold (double edgeThreshold)=0

virtual void	setNFeatures (int maxFeatures)=0

virtual void	setNOctaveLayers (int nOctaveLayers)=0

virtual void	setSigma (double sigma)=0

繼承自 cv::Feature2D 的公共成員函式
virtual	~Feature2D ()

virtual void	compute (InputArray image, std::vector< KeyPoint > &keypoints, OutputArray descriptors)
	計算影像（第一種變體）或影像集（第二種變體）中檢測到的一組關鍵點的描述符。

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())
	檢測影像（第一種變體）或影像集（第二種變體）中的關鍵點。

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
	如果檢測器物件為空，則返回 true。

virtual void	read (const FileNode &) CV_OVERRIDE
	從檔案儲存中讀取演算法引數。

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
	將演算法引數儲存到檔案儲存中。

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

繼承自 cv::Algorithm 的公共成員函式
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除演算法狀態。

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

靜態公共成員函式
static Ptr< SIFT >	create (int nfeatures, int nOctaveLayers, double contrastThreshold, double edgeThreshold, double sigma, int descriptorType, bool enable_precise_upscale=false)
	建立具有指定 `descriptorType` 的 SIFT。

static Ptr< SIFT >	create (int nfeatures=0, int nOctaveLayers=3, double contrastThreshold=0.04, double edgeThreshold=10, double sigma=1.6, bool enable_precise_upscale=false)

繼承自 cv::Algorithm 的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

額外繼承的成員
繼承自 cv::Algorithm 的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

此類使用 D. Lowe [176] 的尺度不變特徵變換（SIFT）演算法提取關鍵點並計算描述符。

成員函式文件

◆ create() [1/2]

static Ptr< SIFT > cv::SIFT::create	(	int	nfeatures,
		int	nOctaveLayers,
		double	contrastThreshold,
		double	edgeThreshold,
		double	sigma,
		int	descriptorType,
		bool	enable_precise_upscale = false )

static


cv.SIFT.create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT.create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval
cv.SIFT_create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT_create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval

建立具有指定 `descriptorType` 的 SIFT。

引數

nfeatures	要保留的最佳特徵數。特徵按其分數（在 SIFT 演算法中以區域性對比度衡量）進行排名
nOctaveLayers	每個八度中的層數。3 是 D. Lowe 論文中使用的值。八度數根據影像解析度自動計算。
contrastThreshold	用於過濾掉半均勻（低對比度）區域中弱特徵的對比度閾值。閾值越大，檢測器生成的特徵越少。

注意: 應用過濾時，對比度閾值將除以 `nOctaveLayers`。當 `nOctaveLayers` 設定為預設值且您想使用 D. Lowe 論文中使用的值 0.03 時，請將此引數設定為 0.09。

引數

edgeThreshold	用於過濾掉邊緣狀特徵的閾值。請注意，其含義與 `contrastThreshold` 不同，即 `edgeThreshold` 越大，過濾掉的特徵越少（保留的特徵越多）。
sigma	應用於八度 #0 輸入影像的高斯 σ 值。如果您的影像是用弱相機和軟鏡頭拍攝的，您可能需要減小此值。
descriptorType	描述符的型別。僅支援 CV_32F 和 CV_8U。
enable_precise_upscale	是否啟用尺度金字塔中的精確上取樣，該取樣將索引 \(\texttt{x}\) 對映到 \(\texttt{2x}\)。這可以防止定位偏差。預設情況下停用此選項。

◆ create() [2/2]

static Ptr< SIFT > cv::SIFT::create	(	int	nfeatures = 0,
		int	nOctaveLayers = 3,
		double	contrastThreshold = 0.04,
		double	edgeThreshold = 10,
		double	sigma = 1.6,
		bool	enable_precise_upscale = false )

static


cv.SIFT.create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT.create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval
cv.SIFT_create(	[, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma[, enable_precise_upscale]]]]]]	) ->	retval
cv.SIFT_create(	nfeatures, nOctaveLayers, contrastThreshold, edgeThreshold, sigma, descriptorType[, enable_precise_upscale]	) ->	retval

引數

nfeatures	要保留的最佳特徵數。特徵按其分數（在 SIFT 演算法中以區域性對比度衡量）進行排名
nOctaveLayers	每個八度中的層數。3 是 D. Lowe 論文中使用的值。八度數根據影像解析度自動計算。
contrastThreshold	用於過濾掉半均勻（低對比度）區域中弱特徵的對比度閾值。閾值越大，檢測器生成的特徵越少。

注意: 應用過濾時，對比度閾值將除以 `nOctaveLayers`。當 `nOctaveLayers` 設定為預設值且您想使用 D. Lowe 論文中使用的值 0.03 時，請將此引數設定為 0.09。

引數

edgeThreshold	用於過濾掉邊緣狀特徵的閾值。請注意，其含義與 `contrastThreshold` 不同，即 `edgeThreshold` 越大，過濾掉的特徵越少（保留的特徵越多）。
sigma	應用於八度 #0 輸入影像的高斯 σ 值。如果您的影像是用弱相機和軟鏡頭拍攝的，您可能需要減小此值。
enable_precise_upscale	是否啟用尺度金字塔中的精確上取樣，該取樣將索引 \(\texttt{x}\) 對映到 \(\texttt{2x}\)。這可以防止定位偏差。預設情況下停用此選項。

◆ getContrastThreshold()

virtual double cv::SIFT::getContrastThreshold ( ) const

純虛擬函式

Python
	cv.SIFT.getContrastThreshold(		) ->	retval

◆ getDefaultName()

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

virtual

Python
	cv.SIFT.getDefaultName(		) ->	retval

返回演算法字串識別符號。當物件儲存到檔案或字串時，此字串用作頂層 xml/yml 節點標籤。

重新實現自 cv::Feature2D。

◆ getEdgeThreshold()

virtual double cv::SIFT::getEdgeThreshold ( ) const

純虛擬函式

Python
	cv.SIFT.getEdgeThreshold(		) ->	retval

◆ getNFeatures()

virtual int cv::SIFT::getNFeatures ( ) const

純虛擬函式

Python
	cv.SIFT.getNFeatures(		) ->	retval

◆ getNOctaveLayers()

virtual int cv::SIFT::getNOctaveLayers ( ) const

純虛擬函式

Python
	cv.SIFT.getNOctaveLayers(		) ->	retval

◆ getSigma()

virtual double cv::SIFT::getSigma ( ) const

純虛擬函式

Python
	cv.SIFT.getSigma(		) ->	retval

◆ setContrastThreshold()

virtual void cv::SIFT::setContrastThreshold ( double contrastThreshold )

純虛擬函式

Python
	cv.SIFT.setContrastThreshold(	contrastThreshold	) ->	無

◆ setEdgeThreshold()

virtual void cv::SIFT::setEdgeThreshold ( double edgeThreshold )

純虛擬函式

Python
	cv.SIFT.setEdgeThreshold(	edgeThreshold	) ->	無

◆ setNFeatures()

virtual void cv::SIFT::setNFeatures ( int maxFeatures )

純虛擬函式

Python
	cv.SIFT.setNFeatures(	maxFeatures	) ->	無

◆ setNOctaveLayers()

virtual void cv::SIFT::setNOctaveLayers ( int nOctaveLayers )

純虛擬函式

Python
	cv.SIFT.setNOctaveLayers(	nOctaveLayers	) ->	無

◆ setSigma()

virtual void cv::SIFT::setSigma ( double sigma )

純虛擬函式

Python
	cv.SIFT.setSigma(	sigma	) ->	無

此類的文件生成自以下檔案

opencv2/features2d.hpp

公共成員函式

靜態公共成員函式

額外繼承的成員

詳細描述

成員函式文件

◆ create() [1/2]

◆ create() [2/2]

◆ getContrastThreshold()

◆ getDefaultName()

◆ getEdgeThreshold()

◆ getNFeatures()

◆ getNOctaveLayers()

◆ getSigma()

◆ setContrastThreshold()

◆ setEdgeThreshold()

◆ setNFeatures()

◆ setNOctaveLayers()

◆ setSigma()