我想從矩形圖像中提取特徵。但我想忽略圖像的某些部分，因此圖像內部的這些區域不會提取任何特徵。我可以想到兩種方法。如何在OpenCV中的特徵提取過程中忽略圖像的一部分？
a）從整個圖像中獲取特徵，並使用關鍵點丟棄位於忽略區域內的特徵。但是這種方法並不是首選，因爲我已經對從圖像中提取的特徵的最大數量進行了限制，稍後丟棄將無助於獲取恆定數量的特徵。 b）將圖像那部分上的像素設爲零點零。但我認爲SIFT/ORB或其他特徵提取算法可能會將其檢測爲黑色矩形，並在此黑色框的邊緣部分錯誤地創建特徵。雖然不確定這一點。
有人可以確認問題陳述的最佳方法嗎？
這取決於你有多少地區。對於區域的相對少量的你可以使用ROI（感興趣區域）
https://www.learnopencv.com/how-to-select-a-bounding-box-roi-in-opencv-cpp-python/
您可以定義的矩形區域，並計算功能，爲每個區域。
以這種方式在ROI上查找功能的缺點是，在特徵提取後，您必須將這些點映射回原始圖像大小。最好的方法是將ROI設置爲掩碼。 – zindarod
@Zindarod感謝映射評論。我認爲映射座標的計算花費比計算掩碼要少。 –
您有兩種方法可以檢測圖像選定部分的特徵。
方法1：
通過選擇ROI。這種方法的缺點是計算出的特徵點將具有ROI的座標。例如，如果您的圖像尺寸爲width = 400, height = 400，則選擇帶模糊的ROI x=0, y=0, width=100, height=100，關鍵點將根據ROI模糊具有座標。您必須手動將它們映射回原始圖像大小。
img = cv2.imread("image.jpg", -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# select and ROI with user specified dimensions
roi = gray[50:150,50:150]
sift = cv2.xfeatures2d.SIFT_create()
kp = sift.detect(roi)
img=cv2.drawKeypoints(roi,kp,img)
方法2：
提供掩模以SIFT特徵檢測器方法。掩碼必須是單個通道，無符號字符圖像。
img = cv2.imread("image.jpg", -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# create a mask image filled with zeros, the size of original image
mask = np.zeros(img.shape[:2], dtype=np.uint8)
# draw your selected ROI on the mask image
cv2.rectangle(mask, (50,50), (150,150), (255), thickness = -1)
sift = cv2.xfeatures2d.SIFT_create()
# provide mask to the detect method
kp = sift.detect(gray,mask)
img=cv2.drawKeypoints(gray,kp,img)
我不是球體和篩選的專家，只是裁剪你想要的，你不會做的伎倆的區域？ –