ORB FAST特征关键点检测（opencv）

最新推荐文章于 2025-07-19 23:49:46 发布

Nikola desian

最新推荐文章于 2025-07-19 23:49:46 发布

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏：图像处理文章标签： opencv 特征关键点检测

本文链接：https://blog.youkuaiyun.com/weixin_41887615/article/details/92675282

图像处理专栏收录该内容

42 篇文章

订阅专栏

本文介绍了ORB FAST特征关键点检测（opencv）。ORB算法基于FAST特征检测与BRIEF特征描述子匹配实现，通过FAST方法寻找候选特征点，经阈值筛选得到ORB特征点。还给出了创建ORB对象的函数及各参数含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ORB FAST特征关键点检测（opencv）

原理：ORB - (Oriented Fast and Rotated BRIEF)算法是基于FAST特征检测与BRIEF特征描述子匹配实现，相比BRIEF算法中依靠随机方式获取而值点对，ORB通过FAST方法
FAST方式寻找候选特征点方式是假设灰度图像像素点A周围的像素存在连续大于或者小于A的灰度值，选择任意一个像素点P，假设半径为3，周围16个像素表示
在这里插入图片描述

则像素点P被标记为候选特征点、通常N取值为9、12，上图N=9。
为了简化计算，我们可以只计算1、9、5、13四个点，至少其中三个点满足上述不等式条件，即可将P视为候选点。然后通过阈值进行最终的筛选即可得到ORB特征点

static Ptr<ORB> cv::ORB::create (
int nfeatures = 500,
float scaleFactor = 1.2f,
int nlevels = 8,
int edgeThreshold = 31,
int firstLevel = 0,
int WTA_K = 2,
ORB::ScoreType scoreType = ORB::HARRIS_SCORE,
int patchSize = 31,
int fastThreshold = 20
)
nfeatures 最终输出最大特征点数目
scaleFactor 金字塔上采样比率
nlevels 金字塔层数
edgeThreshold 边缘阈值
firstLevel= 0
WTA_K这个是跟BRIEF描述子用的
scoreType 对所有的特征点进行排名用的方法
效果图：
在这里插入图片描述

#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
	Mat src = imread("E:/opencv/master.jpg");
	imshow("src", src);

	auto orb_detector = ORB::create(1000);
	vector<KeyPoint> kpts;
	//检测
	orb_detector->detect(src, kpts);
	Mat result = src.clone();

	//绘制关键点
	drawKeypoints(src, kpts, result, Scalar(0,0,255), DrawMatchesFlags::DEFAULT);
	imshow("ORB-detector", result);

	waitKey(0);
	return 0;
}