特徵檢測與描述

詳細說明

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
	實現仿射不變性檢測器和提取器的包裝類，在 [317] 中描述為ASIFT。 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，在 [12] 中描述。 更多...
類	cv::BRISK
	實現BRISK關鍵點檢測器和描述符提取器的類，在 [164] 中描述。 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
	二維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，在 [11] 中描述。 更多...
類	cv::KeyPointsFilter
	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
	最大穩定極值區域提取器。 更多...
類	cv::ORB
	實現ORB（有方向的BRIEF）關鍵點檢測器和描述符提取器的類。 更多...
類	cv::SIFT
	使用D. Lowe提出的尺度不變特徵變換（SIFT）演算法提取關鍵點和計算描述符的類 [179] 。 更多...
類	cv::SimpleBlobDetector
	從影像中提取 blob 的類。 : 更多...
結構體	cv::SL2< T >

型別定義 (Typedefs)
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 影像, std::vector< KeyPoint > &關鍵點, int 閾值, bool 非極大值抑制, AgastFeatureDetector::DetectorType 型別)
	使用 AGAST 演算法檢測角點。
void	cv::AGAST (InputArray 影像, std::vector< KeyPoint > &關鍵點, int 閾值, bool 非極大值抑制=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 影像, std::vector< KeyPoint > &關鍵點, int 閾值, bool 非極大值抑制, FastFeatureDetector::DetectorType 型別)
	使用 FAST 演算法檢測角點。
void	cv::FAST (InputArray 影像, std::vector< KeyPoint > &關鍵點, int 閾值, bool 非極大值抑制=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 (Typedef Documentation)

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 中提取關鍵點描述符的封裝器具有通用介面，可讓您輕鬆地在解決相同問題的不同演算法之間切換。本節專門介紹計算表示為多維空間中向量的描述符。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通用介面的封裝器，可讓您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 (Function Documentation)

AGAST() [1/2]

void cv::AGAST	(	InputArray	影像,
		std::vector< KeyPoint > &	keypoints,
		int	閾值 (threshold),
		bool	nonmaxSuppression,
		AgastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用 AGAST 演算法檢測角點。

引數

影像	檢測關鍵點（角點）的灰度影像。
keypoints	在影像上檢測到的關鍵點。
閾值 (threshold)	中心畫素與周圍畫素圓的強度差異閾值。
nonmaxSuppression	如果為 true，則對檢測到的角點（關鍵點）應用非極大值抑制。
type	論文中定義的四種鄰域之一：AgastFeatureDetector::AGAST_5_8, AgastFeatureDetector::AGAST_7_12d, AgastFeatureDetector::AGAST_7_12s, AgastFeatureDetector::OAST_9_16

對於非 Intel 平臺，AGAST 有一個樹形最佳化變體，具有相同的數值結果。32 位二叉樹表是使用 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 [185] 的 AGAST 演算法檢測角點。

AGAST() [2/2]

void cv::AGAST	(	InputArray	影像,
		std::vector< KeyPoint > &	keypoints,
		int	閾值 (threshold),
		bool	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

這是一個過載的成員函式，為方便起見而提供。它與上述函式的區別僅在於所接受的引數不同。

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	影像,
		std::vector< KeyPoint > &	keypoints,
		int	閾值 (threshold),
		bool	nonmaxSuppression,
		FastFeatureDetector::DetectorType	type )

#include <opencv2/features2d.hpp>

使用 FAST 演算法檢測角點。

引數

影像	檢測關鍵點（角點）的灰度影像。
keypoints	在影像上檢測到的關鍵點。
閾值 (threshold)	中心畫素與周圍畫素圓的強度差異閾值。
nonmaxSuppression	如果為 true，則對檢測到的角點（關鍵點）應用非極大值抑制。
type	論文中定義的三種鄰域之一：FastFeatureDetector::TYPE_9_16, FastFeatureDetector::TYPE_7_12, FastFeatureDetector::TYPE_5_8

使用 [234] 的 FAST 演算法檢測角點。

注意

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

FAST() [2/2]

void cv::FAST	(	InputArray	影像,
		std::vector< KeyPoint > &	keypoints,
		int	閾值 (threshold),
		bool	nonmaxSuppression = true )

#include <opencv2/features2d.hpp>

這是一個過載的成員函式，為方便起見而提供。它與上述函式的區別僅在於所接受的引數不同。

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>