学习笔记：在Opencv下基于ORB的图像特征提取

Posted 2020-10-03 TransTown

1、什么是ORB特征提取

看这篇文章 http://www.cnblogs.com/ronny/p/4083537.html”

2、Opencv ORB的参数含义

 

#nfeatures - 最多提取的特征点的数量；

#scaleFactor - 金字塔图像之间的尺度参数，类似于SIFT中的k；

#nlevels – 高斯金字塔的层数；

#edgeThreshold – 边缘阈值，这个值主要是根据后面的patchSize来定的，靠近边缘edgeThreshold以内的像素是不检测特征点的。

#firstLevel - 看过SIFT都知道，我们可以指定第一层的索引值，这里默认为0。

#WET_K - 用于产生BIREF描述子的 点对的个数，一般为2个，也可以设置为3个或4个，那么这时候描述子之间的距离计算就不能用汉明距离了，而是应该用一个变种。OpenCV中，如果设置WET_K = 2，则选用点对就只有2个点，匹配的时候距离参数选择NORM_HAMMING，如果WET_K设置为3或4，则BIREF描述子会选择3个或4个点，那么后面匹配的时候应该选择的距离参数为NORM_HAMMING2。

#scoreType - 用于对特征点进行排序的算法，你可以选择HARRIS_SCORE，也可以选择FAST_SCORE，但是它也只是比前者快一点点而已。

#patchSize – 用于计算BIREF描述子的特征点邻域大小。

 

3、代码示例

 

import cv2
import numpy as np
import matplotlib.pyplot as plt

img1 = cv2.imread(\'test.jpg\',0)
img2 = cv2.imread(\'test3.jpg\',0)

orb = cv2.ORB_create()

kp1,des1 = orb.detectAndCompute(img1,None)
kp2,des2 = orb.detectAndCompute(img2,None)

bf = cv2.BFMatcher(cv2.NORM_HAMMING,crossCheck = True)

matches = bf.match(des1,des2)

matches = sorted(matches,key=lambda x:x.distance)

img3= cv2.drawMatches(img1,kp1,img2,kp2,matches[:50],None,flags=2)

plt.imshow(img3)
plt.show()

　　

4、应用的局限性

http://blog.csdn.net/wangyaninglm/article/details/44805709/