OpenCV密集特徵檢測器

我正在使用openCV來進行一些密集特徵提取。例如，代碼OpenCV密集特徵檢測器

DenseFeatureDetector detector(12.f, 1, 0.1f, 10);

我真的不明白上述構造函數中的參數。這是什麼意思？閱讀關於它的opencv documentation也無濟於事。在文件中的論據是：

DenseFeatureDetector(float initFeatureScale=1.f, int featureScaleLevels=1, 
          float featureScaleMul=0.1f, 
          int initXyStep=6, int initImgBound=0, 
          bool varyXyStepWithScale=true, 
          bool varyImgBoundWithScale=false);

他們應該做什麼？即scale，initFeatureScale，featureScaleLevels等的含義是什麼？您如何知道密集採樣的網格或網格間距等。

來源

2015-06-04 tarmizi

看看我在這裏的同一問題的答案：http://stackoverflow.com/questions/29970191/opencv-python-dense-sift-settings/32246964#32246964 –

我正在使用opencv和密度檢測器，我想我可以幫你做點什麼。我不知道我要說什麼，但是經驗告訴了我。

當我使用密集檢測器時，我傳遞了灰度圖像。檢測器產生一些閾值濾波器，其中opencv使用灰度最小值來用於變換圖像。具有比閾值更多灰度級的像素將被製成黑點，其他白點。此操作在閾值越來越大的循環中重複執行。因此，參數initFeatureScale確定您要執行此循環的第一個閾值，featureScaleLevels參數指示在一個循環迭代和下一個迭代之間此閾值大小多少，featureScaleMul是計算下一個閾值的乘法因子。

無論如何，如果你正在尋找你的最佳參數使用密集探測器來檢測任何特定的點你會提供一個我爲此做的程序。它在github中解放。這是一個可以測試一些探測器（密集探測器就是其中之一）的程序，如果您更改其參數，請檢查它的工作原理，這要歸功於用戶界面，只要您正在執行程序，就可以更改探測器參數。你會看到檢測點將如何改變。試一下，只需點擊link，然後下載文件。您可能需要幾乎所有的文件來執行該程序。

來源

2016-01-03 20:23:02

非常感謝你的時間在解釋參數。但是，我不再做這個項目，目前正在另一個領域工作。感謝您的時間：） – tarmizi

提前道歉，我主要使用Python，所以我會通過引用C++避免讓自己陷入困境。

DenseFeatureDetector用關鍵點填充矢量以傳遞以計算特徵描述符。這些關鍵點有一個點向量和它們的比例集。在文檔中，scale是關鍵點的像素半徑。

關鍵點在傳遞給DenseFeatureVector的圖像矩陣的寬度和高度上均勻分佈。

我們的觀點：

initFeatureScale 坐落在像素（據我所知，這沒有任何影響）

featureScaleLevels 尺度數量的初始關鍵點的特徵半徑overwhich我們希望製作關鍵點

featureScaleMuliplier 比例調節通過featureScaleLevels對initFeatureScale進行調整，此比例調整也可以應用於邊界（initImgBound）和步長（initxystep）。因此，當我們設置featureScaleLevels> 1時，這個乘數將應用於連續的比例尺，以調整特徵比例，步長和圖像周圍的邊界。

initXyStep 移動列和行像素步驟。我希望自我解釋。

initImgBound 行/列邊界區域忽略圍繞圖像（像素），因此，一個100×100的圖像，具有10的initImgBound，將在圖像的中央部分80×80創建關鍵點。

varyXyStepWithScale 布爾，如果我們有多個featureScaleLevels做，我們要調整使用featureScaleMultiplier步長。

varyImgBoundWithScale Boolean，as varyXyStepWithScale，但應用於邊界。

這裏是detectors.cpp的DenseFeatureDetector源代碼OpenCV的2.4.3源，這可能會解釋比我的話好：

DenseFeatureDetector::DenseFeatureDetector(float _initFeatureScale, int _featureScaleLevels, 
             float _featureScaleMul, int _initXyStep, 
             int _initImgBound, bool _varyXyStepWithScale, 
             bool _varyImgBoundWithScale) : 
    initFeatureScale(_initFeatureScale), featureScaleLevels(_featureScaleLevels), 
    featureScaleMul(_featureScaleMul), initXyStep(_initXyStep), initImgBound(_initImgBound), 
    varyXyStepWithScale(_varyXyStepWithScale), varyImgBoundWithScale(_varyImgBoundWithScale) 
{} 


void DenseFeatureDetector::detectImpl(const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask) const 
{ 
    float curScale = static_cast<float>(initFeatureScale); 
    int curStep = initXyStep; 
    int curBound = initImgBound; 
    for(int curLevel = 0; curLevel < featureScaleLevels; curLevel++) 
    { 
     for(int x = curBound; x < image.cols - curBound; x += curStep) 
     { 
      for(int y = curBound; y < image.rows - curBound; y += curStep) 
      { 
       keypoints.push_back(KeyPoint(static_cast<float>(x), static_cast<float>(y), curScale)); 
      } 
     } 

     curScale = static_cast<float>(curScale * featureScaleMul); 
     if(varyXyStepWithScale) curStep = static_cast<int>(curStep * featureScaleMul + 0.5f); 
     if(varyImgBoundWithScale) curBound = static_cast<int>(curBound * featureScaleMul + 0.5f); 
    } 

    KeyPointsFilter::runByPixelsMask(keypoints, mask); 
}

你可能會想到一個電話compute會根據DenseFeatureDetector生成的關鍵點，使用相關的關鍵點檢測算法（如角度）來計算其他關鍵點特徵。不幸的是，Python下的SIFT並非如此 - 我沒有看過其他特徵檢測器，也沒有看過C++中的行爲。

另請注意，DenseFeatureDetector不在OpenCV 3.2中（不確定它被刪除的版本）。

來源

2017-05-30 19:44:23

OpenCV密集特徵檢測器

回答

相關問題