OpenCV中SIFT特征识别算法的简单小例子

最新推荐文章于 2022-03-08 23:21:45 发布

原创

最新推荐文章于 2022-03-08 23:21:45 发布 · 852 阅读

1 ·

CC 4.0 BY-SA版权

该博客通过Jupyter Notebook展示了使用OpenCV实现SIFT特征识别的简单示例，包括代码实现和问题解答。作者引用了多个资源来帮助理解算法和解决可能出现的错误。讨论了为何在特征识别中通常将图像转换为灰度图，因为颜色信息在某些情况下可能干扰关键的梯度计算。

#coding=utf-8
#注意如果脚本中要使用中文，则需要指明编码格式
import cv2
import numpy as np
#imread('图片路径')
img = cv2.imread('wife.jpg')
# 转为灰度图
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 构造一个sift对象，应该还可以用cv2.xfeatures2d.SURF
sift = cv2.xfeatures2d.SIFT_create()
#检测出关键点
kp = sift.detect(gray,None)
# 绘制关键点
# cv2.drawKeypoints(image, keypoints[, outImage[, color[, flags]]])
img = cv2.drawKeypoints(gray, kp, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imwrite('sift_keypoints.jpg',img)
cv2.imshow('sift_keypoints.jpg', img)

jupyter notebook中代码如上，图片放在与脚本同一路径下

感谢

https://docs.opencv.org/3.1.0/da/df5/tutorial_py_sift_intro.html

https://blog.youkuaiyun.com/a19990412/article/details/80933680