opencv3/C++ 實現SURF特征檢測

更新時間：2019年12月12日 08:33:00 作者：阿卡蒂奧

今天小編就為大家分享一篇opencv3/C++ 實現SURF特征檢測，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

SURF即Speeded Up Robust Features加速魯棒特征；

SURF可以用于對象定位和識別、人臉識別、3D重建、對象跟蹤和提取興趣點等。

工作原理：

1、選擇圖像中POI(Points of Interest) Hessian Matrix;

2、在不同的尺度空間發(fā)現關鍵點，非最大信號壓制;

3、發(fā)現特征點方法、旋轉不變性要求;

4、生成特征向量;

類SURF中成員函數create()參數說明：

static Ptr<SURF> create(
double hessianThreshold=100,//SURF中使用的hessian關鍵點檢測器的閾值
int nOctaves = 4, //關鍵點檢測器將使用的金字塔組數量
int nOctaveLayers = 3,//高斯金字塔每個組內圖像的層數
bool extended = false, //擴展描述符標志（true使用擴展的128個元素的描述符，false使用64個元素的描述符）
bool upright = false//旋轉的特征標志（true不計算方向，false計算方向）
);

函數detect()用來檢測圖像或圖像集中的關鍵點。

基類Feature2D中成員函數detect()參數說明：

void detect( 
InputArray image,//圖像
CV_OUT std::vector<KeyPoint>& keypoints,//檢測到的關鍵點,（在圖像集中關鍵點[i]是在圖像[i]中檢測到的一組關鍵點）
InputArray mask=noArray() //指定在哪里尋找關鍵點的掩碼（必須是在感興趣區(qū)域中具有非零值的8位整數矩陣）
);

函數drawKeypoints()的參數說明：

void drawKeypoints( 
InputArray image, //源圖像
const std::vector<KeyPoint>& keypoints, //來自源圖像的關鍵點
InputOutputArray outImage,//輸出圖像
const Scalar& color=Scalar::all(-1), //關鍵點的顏色
int flags=DrawMatchesFlags::DEFAULT //設置繪圖功能的標志
);

函數drawKeypoints()用來繪制關鍵點。

SURF特征檢測示例：

#include<opencv2/opencv.hpp>
#include<opencv2/xfeatures2d.hpp>
using namespace cv;
using namespace cv::xfeatures2d;

Mat src;
int minHessian = 50;
void trackBar(int, void*);
int main()
{
 src = imread("E:/image/image/bdb.jpg");
 if (src.empty())
 {
  printf("can not load image \n");
  return -1;
 }
 namedWindow("input", WINDOW_AUTOSIZE);
 imshow("input", src);

 namedWindow("output", WINDOW_AUTOSIZE);
 createTrackbar("minHessian","output",&minHessian, 500, trackBar);

 waitKey(0);
 return 0;
}


void trackBar(int, void*)
{
 Mat dst;
 // SURF特征檢測
 Ptr<SURF> detector = SURF::create(minHessian);
 std::vector<KeyPoint> keypoints;
 detector->detect(src, keypoints, Mat());
 // 繪制關鍵點
 drawKeypoints(src, keypoints, dst, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
 imshow("output", dst);
}