python opencv SIFT，获取特征点的坐标位置

最新推荐文章于 2024-06-12 16:52:44 发布

weixin_34319817

最新推荐文章于 2024-06-12 16:52:44 发布

阅读量6.8k

点赞数 5

CC 4.0 BY-SA版权

文章标签：人工智能 python

原文链接：http://www.cnblogs.com/Edison25/p/9921132.html

本文深入探讨了SIFT算法的原理与应用，SIFT算法能在不同尺度空间中寻找关键点，这些关键点如角点、边缘点等，具有较强的鲁棒性，不易受光照、仿射变换和噪音的影响。通过Python的OpenCV库实现SIFT算法，并展示了测试代码与效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

备注：SIFT算法的实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。

参考地址：https://docs.opencv.org/3.4/d2/d29/classcv_1_1KeyPoint.html

测试代码：

import cv2  
import numpy as np  
  
img = cv2.imread('4.jpg',cv2.IMREAD_COLOR)  
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
# cv2.imshow('origin',img)
  
#SIFT  
detector = cv2.xfeatures2d.SIFT_create()
keypoints = detector.detect(gray,None)  
cv2.drawKeypoints(gray,keypoints,img)  

points2f = cv2.KeyPoint_convert(keypoints)  #将KeyPoint格式数据中的xy坐标提取出来。
print(keypoints)
print(points2f)

cv2.imshow('test',img)

cv2.waitKey(0)  
cv2.destroyAllWindows()