用OpenCV捨棄細胞圖像中的異常SIFT關鍵點

Question

我正在接近生物信息學的任務，需要從某些細胞圖像中提取一些特徵。

我使用SIFT算法來提取圖像中的關鍵點，如圖所示。

正如你也可以看到在圖片（紅圈內），一些關鍵點是外行，我不想來計算他們的任何功能。

我得到的cv::KeyPoint矢量用下面的代碼：

const cv::Mat input = cv::imread("/tmp/image.jpg", 0); //Load as grayscale 

cv::SiftFeatureDetector detector; 
std::vector<cv::KeyPoint> keypoints; 
detector.detect(input, keypoints); 

但我想從vector所有這些關鍵點是，例如說，有一定的內部小於3個關鍵點丟棄感興趣區域（ROI）集中在圖像中。

因此我需要實現一個函數返回給定的輸入一定的投資回報率的內部關鍵點的數量：

int function_returning_number_of_key_points_in_ROI(cv::KeyPoint, ROI); 
    //I have not specified ROI on purpose...check question 3 

我有三個問題：

1. 是否有任何現有的功能做相似的東西？
2. 如果不是，你能幫我理解如何自己實現它嗎？
3. 你會爲這個任務使用圓形或矩形ROI嗎？你會如何在輸入中指定它？

注：

我忘了指定，我想對功能，即檢查每個關鍵點所有其他的相對位置的有效實施，它不會是一個很好的解決方案（如果存在另一種做法）。

Answer 1

我決定走統計路線，但如果您有多個單元格，這可能無法正常工作。

我的解決方法是相當簡單：

1. 計算關鍵點位置
2. 找到關鍵點的空間位置
3. 計算所有點的歐氏距離質心
4. 過濾原始關鍵點的質心通過distance < mu + 2*sigma

這是圖像，我g等使用這種算法（關鍵點==綠色，心==紅色）：

最後，這裏是我是如何做的代碼示例：

#include <opencv2/core/core.hpp> 
#include <opencv2/highgui/highgui.hpp> 
#include <opencv2/imgproc/imgproc.hpp> 
#include <opencv2/features2d/features2d.hpp> 

#include <iostream> 
#include <vector> 

using namespace cv; 
using namespace std; 

void distanceFromCentroid(const vector<Point2f>& points, Point2f centroid, vector<double>& distances) 
{ 
    vector<Point2f>::const_iterator point; 
    for(point = points.begin(); point != points.end(); ++point) 
    { 
     double distance = std::sqrt((point->x - centroid.x)*(point->x - centroid.x) + (point->y - centroid.y)*(point->y - centroid.y)); 
     distances.push_back(distance); 
    } 
} 

int main(int argc, char* argv[]) 
{ 
    Mat input = imread("cell.jpg", 0); //Load as grayscale 

    SiftFeatureDetector detector; 
    vector<cv::KeyPoint> keypoints; 
    detector.detect(input, keypoints); 

    vector<Point2f> points; 
    vector<KeyPoint>::iterator keypoint; 
    for(keypoint = keypoints.begin(); keypoint != keypoints.end(); ++keypoint) 
    { 
     points.push_back(keypoint->pt); 
    } 

    Moments m = moments(points, true); 
    Point2f centroid(m.m10/m.m00, m.m01/m.m00); 

    vector<double> distances; 
    distanceFromCentroid(points, centroid, distances); 

    Scalar mu, sigma; 
    meanStdDev(distances, mu, sigma); 

    cout << mu.val[0] << ", " << sigma.val[0] << endl; 

    vector<KeyPoint> filtered; 
    vector<double>::iterator distance; 
    for(size_t i = 0; i < distances.size(); ++i) 
    { 
     if(distances[i] < (mu.val[0] + 2.0*sigma.val[0])) 
     { 
      filtered.push_back(keypoints[i]); 
     } 
    } 

    Mat out = input.clone(); 
    drawKeypoints(input, filtered, out, Scalar(0, 255, 0)); 

    circle(out, centroid, 7, Scalar(0, 0, 255), 1); 

    imshow("kpts", out); 
    waitKey(); 

    imwrite("statFilter.png", out); 

    return 0; 
} 

希望幫助！