Python中opencv2 ORB数据结构的深拷贝

Posted 2023-03-13

【中文标题】Python中opencv2 ORB数据结构的深拷贝

【英文标题】：Deep copy of an opencv2 ORB data structure in Python

【发布时间】：2014-06-26 23:51:51

【问题描述】：

我想使用先前在图像中检测到的 ORB 特征locations 来提取其他图像中的 ORB 描述符，使用较早确定的位置，从而绕过检测器。

我似乎无法获得检测到的特征的深层副本以进行处理，然后再传回以生成新的描述符。

使用原始未触及的f1 关键点为im_y 图像作品生成描述符 运行检测器两次以确定重复显然确实有效，但有点小技巧，我想对原始特征点进行一些处理。 我在 OS X 10.8.5 上通过 macports 运行 Python 2.7.6、Opencv 2.4.8

代码：

from matplotlib import pyplot as plt
import copy as cp
import cv2

im_x = cv2.imread('stinkbug1.png', 0)
im_y = cv2.imread('stinkbug2.png', 0)

orb = cv2.ORB()

# Keypoint detection in first image
f1 = orb.detect(im_x, None)
f1, d1 = orb.compute(im_x, f1)

# Make a copy of the orginal key points
f2 = cp.deepcopy(f1)

# Magic processing here

# Get descriptors from second y image using the detected points from the x image
f2, d2 = orb.compute(im_y, f2)

# f2 and d2 are now an empty list and a <NoneType>

【参考方案1】：

显然，deepcopy 不适用于 KeyPoint。由于特征 f1 只是一个关键点列表，您可以手动复制关键点列表：

def features_deepcopy (f):
    return [cv2.KeyPoint(x = k.pt[0], y = k.pt[1], 
            _size = k.size, _angle = k.angle, 
            _response = k.response, _octave = k.octave, 
            _class_id = k.class_id) for k in f]

f2 = features_deepcopy(f1)

我希望这会有所帮助;-)

克里斯托夫

【讨论】：

另一种（我认为更优雅的方法）是通过为 cv2.KeyPoint() 注册一个“酸洗”函数，如***.com/a/48832618/8371207的答案中所述