如何使用OpenCV3C语言实现SURF特征检测算法？

本文共计626个文字，预计阅读时间需要3分钟。

SURF是一种加速鲁棒特征，可用于对象定位、识别、3D重建、对象跟踪和提取兴趣点等。工作原理：1. 选择图像中的POI（兴趣点）Hessian矩阵；2. 在不直接计算的情况下，进行下一步操作。

SURF即Speeded Up Robust Features加速鲁棒特征；

SURF可以用于对象定位和识别、人脸识别、3D重建、对象跟踪和提取兴趣点等。

工作原理：

1、选择图像中POI(Points of Interest) Hessian Matrix;

2、在不同的尺度空间发现关键点，非最大信号压制;

3、发现特征点方法、旋转不变性要求;

4、生成特征向量;

类SURF中成员函数create()参数说明：

static Ptr<SURF> create( double hessianThreshold=100,//SURF中使用的hessian关键点检测器的阈值 int nOctaves = 4, //关键点检测器将使用的金字塔组数量 int nOctaveLayers = 3,//高斯金字塔每个组内图像的层数 bool extended = false, //扩展描述符标志（true使用扩展的128个元素的描述符，false使用64个元素的描述符） bool upright = false//旋转的特征标志（true不计算方向，false计算方向） );

函数detect()用来检测图像或图像集中的关键点。

基类Feature2D中成员函数detect()参数说明：

void detect( InputArray image,//图像 CV_OUT std::vector<KeyPoint>& keypoints,//检测到的关键点,（在图像集中关键点[i]是在图像[i]中检测到的一组关键点） InputArray mask=noArray() //指定在哪里寻找关键点的掩码（必须是在感兴趣区域中具有非零值的8位整数矩阵） );

函数drawKeypoints()的参数说明：

void drawKeypoints( InputArray image, //源图像 const std::vector<KeyPoint>& keypoints, //来自源图像的关键点 InputOutputArray outImage,//输出图像 const Scalar& color=Scalar::all(-1), //关键点的颜色 int flags=DrawMatchesFlags::DEFAULT //设置绘图功能的标志 );

函数drawKeypoints()用来绘制关键点。

SURF特征检测示例：

#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特征检测 Ptr<SURF> detector = SURF::create(minHessian); std::vector<KeyPoint> keypoints; detector->detect(src, keypoints, Mat()); // 绘制关键点 drawKeypoints(src, keypoints, dst, Scalar::all(-1), DrawMatchesFlags::DEFAULT); imshow("output", dst); }

以上这篇opencv3/C++ 实现SURF特征检测就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持自由互联。