OpenCV如何計算給定像素處的SIFT描述符

Question

嗨，大家好，我正在使用opencv3和contrib。問題是我想計算給定像素的篩選描述符（不使用檢測到的關鍵點）。

我試圖用給定像素來構建KeyPoint向量。但是，要創建KeyPoint，除了像素位置之外，我還需要知道尺寸信息。

KeyPoint (Point2f _pt, float _size, float _angle=-1, float _response=0, int _octave=0, int _class_id=-1) 

任何人都可以告訴我在構造函數中的大小是多少？我是否需要角度信息來計算篩選描述符？我怎樣才能用poencv3來計算它們。

Answer 1

@ utkarsh：我同意SIFT描述符需要關鍵點的方向和尺度信息。 David G. Lowe的原始論文（來自比例不變關鍵點的獨特圖像特徵）說，「爲了實現方向不變性，描述符的座標和梯度方向相對於關鍵點方向旋轉」。而比例尺信息用於在計算描述符期間選擇圖像的高斯模糊水平。

但是，這個帖子中的問題是關於計算給定像素的描述符。請注意，給定的像素位置不是使用所需程序計算的SIFT關鍵點。因此，在這種情況下，方向和比例信息不可用。因此，在先前回答中提到的code以默認比例（即1）和默認取向（不旋轉鄰域的梯度方向）在給定像素處計算SIFT描述符。

@Teng Long：在另外一個筆記中，我認爲用於匹配兩個圖像（原始圖像和旋轉圖像）中的關鍵點的方法在某種程度上是不明確的。您應該分別在兩個圖像上運行SIFT關鍵點檢測並分別計算其對應的描述符。然後，您可以使用Brute Force匹配這兩組關鍵點。

以下代碼計算圖像及其45度旋轉版本上的SIFT關鍵點，然後使用蠻力部件匹配計算SIFT關鍵點描述符。

# include "opencv2/opencv_modules.hpp" 
# include "opencv2/core/core.hpp" 
# include "opencv2/features2d/features2d.hpp" 
# include "opencv2/highgui/highgui.hpp" 
# include "opencv2/nonfree/features2d.hpp" 
# include "opencv2\imgproc\imgproc.hpp" 
# include <stdio.h> 

using namespace cv; 

int main(int argc, char** argv) 
{ 
    Mat img_1, img_2; 

    // Load image in grayscale format 
    img_1 = imread("scene.jpg", CV_LOAD_IMAGE_GRAYSCALE);  

    // Rotate the input image without loosing the corners 
    Point center = Point(img_1.cols/2, img_1.rows/2); 
    double angle = 45, scale = 1; 
    Mat rot = getRotationMatrix2D(center, angle, scale); 
    Rect bbox = cv::RotatedRect(center, img_1.size(), angle).boundingRect(); 
    rot.at<double>(0,2) += bbox.width/2.0 - center.x; 
    rot.at<double>(1,2) += bbox.height/2.0 - center.y; 
    warpAffine(img_1, img_2, rot, bbox.size()); 

    // SIFT feature detector 
    SiftFeatureDetector detector; 
    std::vector<KeyPoint> keypoints_1, keypoints_2; 

    detector.detect(img_1, keypoints_1); 
    detector.detect(img_2, keypoints_2); 

    // Calculate descriptors 
    SiftDescriptorExtractor extractor; 
    Mat descriptors_1, descriptors_2; 

    extractor.compute(img_1, keypoints_1, descriptors_1); 
    extractor.compute(img_2, keypoints_2, descriptors_2); 

    // Matching descriptors using Brute Force 
    BFMatcher matcher(NORM_L2); 
    std::vector<DMatch> matches; 
    matcher.match(descriptors_1, descriptors_2, matches); 


    //-- Quick calculation of max and min distances between Keypoints 
    double max_dist = 0; double min_dist = 100; 

    for(int i = 0; i < descriptors_1.rows; i++) 
    { double dist = matches[i].distance; 
     if(dist < min_dist) min_dist = dist; 
     if(dist > max_dist) max_dist = dist; 
    } 

    // Draw only "good" matches (i.e. whose distance is less than 2*min_dist, 
    //-- or a small arbitary value (0.02) in the event that min_dist is very 
    //-- small) 
    std::vector<DMatch> good_matches; 

    for(int i = 0; i < descriptors_1.rows; i++) 
    { if(matches[i].distance <= max(2*min_dist, 0.02)) 
     { good_matches.push_back(matches[i]); } 
    } 

    //-- Draw only "good" matches 
    Mat img_matches; 
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, 
       good_matches, img_matches, Scalar::all(-1), Scalar::all(-1), 
       vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); 

    //-- Show detected matches 
    imshow("Good Matches", img_matches); 

    waitKey(0); 
    return 0; 
    } 

這裏是結果：

Answer 2

爲了僅使用opencv計算圖像中給定點處的SIFT描述符，您不需要任何角度信息。

請參閱this的代碼。