本文实例为大家分享了OpenCV基于ORB算法实现角点检测的具体代码,供大家参考,具体内容如下
ORB算法是FAST算法和BRIEF算法的结合,ORB可以用来对图像中的关键点快速创建特征向量,并用这些特征向量来识别图像中的对象。
实例化ORB
1
|
orb = cv.ORB_create(nfeatures) |
参数:
- nfeatures:特征点的最大数量
利用orb.detectAndCompute()检测关键点并计算
1
|
kp, des = orb.detectAndCompute(gray, None ) |
参数:
- gray:进行关键点检测的图像(灰度图像)
返回:
- kp:关键点信息,包括位置,尺度,方向信息
- des:关键点描述符,每个关键点BRIEF特征向量,二进制字符串。
将关键点检测结果绘制在图像上
1
|
cv.drawKeypoints(image, keypoints, outputimage, color, flags) |
参数:
- image: 原始图像
- keypoints:关键点信息,将其绘制在图像上
- outputimage:输出图片,可以是原始图像
- color:颜色设置,通过修改(b,g,r)的值,更改画笔的颜色,b=蓝色,g=绿色,r=红色。
- flags:绘图功能的标识设置
1、cv2.DRAW_MATCHES_FLAGS_DEFAULT:创建输出图像矩阵,使用现存的输出图像绘制匹配对和特征点,对每一个关键点只绘制中间。
2、cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG:不创建输出图像矩阵,而是在输出图像上绘制匹配对。
3、cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS:对每一个特征点绘制带大小和方向的关键点图形。
4、cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS:单点的特征点不被绘制。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import cv2 as cv from matplotlib import pyplot as plt # 1.图像读取 img = cv.imread( "1.jpg" ) gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 2.ORB角点检测 # 2.1实例化ORB对象 orb = cv.ORB_create(nfeatures = 1000 ) # 2.2 检测关键点,并计算特征描述符 kp, des = orb.detectAndCompute(gray, None ) print (des.shape) # 3.将关键点检测在图像上 img2 = cv.drawKeypoints(img, kp, None , flags = 0 ) # 也可以添加 color 参数指定图像显示关键点的颜色,例如 img2 = cv.drawKeypoints(img, kp, None, color=(0, 0, 255), flags=0) # 4.绘制图像 plt.figure(figsize = ( 10 , 8 ), dpi = 100 ) plt.imshow(img2[:, :, :: - 1 ]) plt.xticks([]), plt.yticks([]) plt.show() |
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/qq_44989881/article/details/116156729