特征提取keypoint结构以及xxDescriptorExtractor提取结果

最新推荐文章于 2024-08-11 09:31:10 发布
最新推荐文章于 2024-08-11 09:31:10 发布
阅读量2.1k 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： Opencv 文章标签： opencv 特征提取
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u012428169/article/details/70779963
本文详细介绍了OpenCV中的KeyPoint数据结构,包括角度、类别ID、金字塔层级、坐标、响应强度及尺寸等属性,并阐述了DescriptorExtractor提取后的特征向量表示。同时,深入探讨了DMatch数据结构,解释了查询索引、训练图像索引及距离计算方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

KeyPoint数据结构：

angle：角度，表示关键点的方向

class_id：对每个特征点进行区分，未设定时为-1，需要靠自己设定，用于图片分类

octave：代表是从金字塔哪一层提取的得到的数据。

pt：关键点点的坐标

response：响应程度，代表当前特征点的特殊程度

size：该点直径的大小

xxDescriptorExtractor提取后得到的Mat结构imshow显示如下所示：
这里写图片描述
其中，每一行就是一个128维的特征向量，维度用0-255表示。黑小，白大。

DMatch数据结构：

queryIdx: 查询图像的特征描述子索引，也就是match函数中被放在前面的图像

trainIdx： 被查询图像的特征描述子索引，也就是match函数中被放在后面的图像

imgIdx： 训练图像的索引(若有多个)，也就是被查询图像的索引

distance： 两个特征向量之间的欧氏距离，越小表明匹配度越高。

欧氏距离的计算：
这里写图片描述

具体可参考下文：
opencv中keypoint数据结构分析
opencv中SiftDescriptorExtractor所做的SIFT特征向量提取工作简单分析
opencv 的 DMatch, keypoint等资料，供项目查阅

姿势识别源代码matlab-keypoint_detection:关键点检测Matlab演示
05-28
姿势识别源代码matlab 关键点检测 我们的模型使用带有递归模块的卷积神经网络从单个图像检测身体关键点。 下面，我们提供代码来训练和测试模型。 有关基于Web的演示，请访问。 软件依赖关系 您需要MATLAB和工具箱来运行此演示。 该演示已针对Matlab 2016a，CUDNN v5.1和cuda 8.0（使用Linux机器）进行了编译和测试。 训练模型（MPII人类姿势数据集） 通过执行getMPIIData_v3.m然后拆分MPIIData_V4.m下载并准备数据集。 数据准备需要几分钟才能完成。 输出是火车（ MPI_imdbsT1aug0.mat ， 〜3GB ）和验证（ MPI_imdbsV1aug0.mat ，〜0.3GB）文件。 执行trainBodyPose_example.m （需要设置一些参数，例如MatConvNet路径和GPU索引）。 要测试模型，请运行下面的演示，如下所述。 用一次循环迭代训练模型的参数： net = initialize3ObjeRecFusion(opts,2,0,'shareFlag',[0,1]); opts.derOutputs
ORB算法描述与匹配.zip_ORB特征点匹配_ORB算法描述与匹配_orb
07-15
ORB算法最大的特点就是计算速度快，这首先得益于使用FAST检测特征点
DescriptorExtractor 类
Gone_HuiLin的博客
11-18 1812
class CV_EXPORTS DescriptorExtractor { public: virtual ~DescriptorExtractor(); void compute( const Mat& image, vector& keypoints, Mat& descriptors ) const; void compute(
图像的特征提取
最新发布
2201_75642955的博客
08-11 902
我们可以用二进制数字来表示LBP图中的每个像素的LBP编码，比如下图中的中心像素，它的LBP编码为:00010011，其十进制值为19。特征提取的方法主要是通过属性间的关系，如组合不同的属性得到新的属性，这样就改变了原来的特征空间。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征的好坏对泛化性能有至关重要的影响。#在特征X上计算PCA，指定一个空的np.array([])数组用作蒙版参数，告诉opencv使用特征矩阵上的所有数据点。
机器学习之特征提取（下）
weixin_39588907的博客
02-22 409
目录4.中文特征提取5.Tf-idf文本特征提取 4.中文特征提取 思考：如果将数据替换为中文会怎样？ 将data里的英文字符替换为中文字符。 data = ["我们总把人生想得太坏，像旁人不允许我们的怪。"] 运行结果： 很明显，这与我们平常划分词汇的方式不同。 原来，CountVectorizer()的方法是以空格来划分单词的。因此，我们通过人为加空格的方式将字符进行分隔。 data = ["我们 总 把 人生 想得 太坏，像 旁人 不允许 我们 的 怪。"] 运行结果： 思考：如果数据
图像特征提取总结
hxiamin的博客
07-31 1551
图像特征提取是计算机视觉和图像处理的一个步骤。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处
《PCL Docs 案例详解》KeyPoint——SIFT 关键点提取
Aruchid特征工程模板
07-21 1056
PCL 官方文档示例代码解读
keypoint.zip_声音特征_短时傅里叶_短时傅里叶变换_频率截取_频谱图像特征提取
07-15
对非平稳信号进行分段、截取，再对处理过后的短时信号做短时傅里叶变换，分析其频谱特性，并找到各个时间节点的频率特性，以便分析不同事件段内的声音特征，以图像的形式表达出，最终达到区分不同声音的目的。
Sift特征提取.zip_SIFT特征_matlab提取sift_图像处理_特征 matlab_计算机视觉
07-15
`demo_sift_keypoint.m`则是演示程序，它调用了上述函数，对输入图像`tk.jpg`进行SIFT特征提取，并展示结果。 此外，提供的`einstein-keypoint.png`、`einstein-direction.png`和`einstein-keypoint1.png`是一些...
AKAZE_akaze_特征提取
09-11
AKAZE（Accelerated Keypoint Detector and Descriptor Extractor）是一种在计算机视觉领域广泛应用的特征检测和描述符提取算法。它由Eduardo Martín-Martín和Andrés Muñoz-Salinas在2013年提出，作为SIFT...
sc_demo.zip_matlab形状匹配_形状上下文特征提取_形状匹配_形状特征_特征提取
07-15
在给定的“sc_demo.zip”压缩包中，包含了一个基于MATLAB实现的形状上下文特征提取和匹配的完整程序。这个程序旨在帮助用户理解和应用形状上下文这一强大的形状描述符。 形状上下文（Shape Context）是一种有效的...
narf_keypoint.rar_narf关键点提取
09-23
"NARF关键点提取"是特定于3维场景的一种方法，它主要用于识别和定位图像中的显著特征，这些特征对于后续的匹配、识别和重建任务非常有用。下面我们将详细探讨NARF（Normalized Appearance and Range Features）关键...
CNN特征提取结果可视化——hooks简单应用
热门推荐
路过人间，一叶知秋
04-10 1万+
本文代码地址https://github.com/njulhy/funny_code/blob/main/cnn_visualization.ipynb 文章目录CNN特征提取结果可视化——hooks简单应用Hooks简单介绍CNN特征提取的简单可视化创建CNN特征提取器创建保存hook内容的对象为卷积层注册hook读取图像并进行特整体提取查看卷积层特征提取效果查看卷积层数可视化第一个卷积层可视化第二、七个卷积层可视化第16个卷积层结语 CNN特征提取结果可视化——hooks简单应用 在神经网络搭建时可能出
OpenCV中CalonderDescriptorExtractor
GarfieldEr007的专栏
02-01 1433
class CalonderDescriptorExtractor 应用:ocv:class:RTreeClassifier 来封装的用于计算特征描述子的类. template class CalonderDescriptorExtractor : public DescriptorExtractor { public: CalonderDescriptorExtracto
SIFT特征提取与匹配
Kerer的博客
12-06 5696
opencv下SIFT特征点的提取与匹配SIFT：尺度不变特征转换，是一种电脑视觉的算法用来侦测与描述影像中的局部特征。SIFT是基于图像外观的兴趣点而与图像的大小旋转无关，对于噪声、光线、微观的视角容忍度也极高。SIFT介绍Lowe将SIFT算法分解为四步： 尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数识别潜在的对于尺度旋转不变的兴趣点。 关键点定位：每个候选位置上，通过一个拟合精
04 数字图像技术——图像特征提取之实验结果与分析——python
yuhaix的博客
12-15 3626
一、实验目的 1．理解颜色直方图、颜色矩的基本原理； 2．理解统计纹理分析算法的基本原理； 3．理解局部二值模式的基本原理。 二、实验内容 1.颜色直方图、颜色矩。 2.基于灰度变换的伪彩色算法。 3.局部二值模式。
SIFT描述子
人无远虑，必有近忧
10-10 2152
尺度不变特征转换(SIFT, Scale Invariant Feature Transform)是图像处理领域中的一种局部特征描述算法. 该方法于1999年由加拿大教授David G.Lowe提出，申请了专利，其专利属于英属哥伦比亚大学. SIFT专利在2020年3月17日之后到期，现在只需更新cv版本即可免费使用. SIFT算法不仅只有尺度不变性，当旋转图像，改变图像亮度，移动拍摄位置时，仍可得到较好的检测效果. 其实，在我们生活中，SIFT算法还是有所应用的，比如，我们手机上的全景拍摄，当我们拿着
OpenCV中KeyPoint类
AplusX
08-12 4262
https://blog.youkuaiyun.com/u010821666/article/details/52883580 Opencv中KeyPoint类中的默认构造函数如下： CV_WRAP KeyPoint() : pt(0,0), size(0), angle(-1), response(0), octave(0), class_id(-1) {} 现分析各项属性 pt(x,y):关键...
VC++6.0下的SIFT特征提取方法
6. **提取特征和描述符**： ```cpp std::vector<cv::KeyPoint> keypoints; cv::Mat descriptors; detector->detectAndCompute(img_gray, cv::noArray(), keypoints, descriptors); ``` 7. **参数设置接口**：...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值