python opencv3 特征提取与描述 DoG SIFT hessian surf

git：https://github.com/linyi0604/Computer-Vision

DoG和SIFT特征提取与描述

 # coding:utf-8

 import cv2

 # 读取图片

 img = cv2.imread("../data/walez1.jpg")

 # 转为灰度图像

 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

 # 创建一个sift对象 并计算灰度图像

 sift = cv2.xfeatures2d.SIFT_create()

 keypoints, descriptor = sift.detectAndCompute(gray, None)

 """

 sift对象会使用DoG检测关键点，对关键点周围的区域计算向量特征，检测并计算

 返回 关键点和描述符

 关键点是点的列表

 描述符是检测到的特征的局部区域图像列表

 关键点的属性：

     pt: 点的x y坐标

     size： 表示特征的直径

     angle: 特征方向

     response: 关键点的强度

     octave: 特征所在金字塔层级

         算法进行迭代的时候， 作为参数的图像尺寸和相邻像素会发生变化

         octave属性表示检测到关键点所在的层级

     ID： 检测到关键点的ID

 """

 # 在图像上绘制关键点

 # DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS表示对每个关键点画出圆圈和方向

 img = cv2.drawKeypoints(image=img, outImage=img, keypoints=keypoints,

                         flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS,

                         color=(51, 163, 236))

 cv2.imshow("sift_keypoints", img)

 cv2.waitKey()

 cv2.destroyAllWindows()

hessian 与SURF特征提取与匹配

 # coding:utf-8

 import cv2

 img = cv2.imread("../data/walez1.jpg")

 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

 surf = cv2.xfeatures2d.SURF_create(8000)

 """

     创建surf对象，设置阈值，阈值越高检测到的特征就越少，

     通过调整阈值得到合适的关键点

 """

 # 检测图像中的关键点和描述

 keypoints, descriptor = surf.detectAndCompute(gray, None)

 """

 sift对象会使用DoG检测关键点，对关键点周围的区域计算向量特征，检测并计算

 返回 关键点和描述符

 关键点是点的列表

 描述符是检测到的特征的局部区域图像列表

 关键点的属性：

     pt: 点的x y坐标

     size： 表示特征的直径

     angle: 特征方向

     response: 关键点的强度

     octave: 特征所在金字塔层级

         算法进行迭代的时候， 作为参数的图像尺寸和相邻像素会发生变化

         octave属性表示检测到关键点所在的层级

     ID： 检测到关键点的ID

 """

 # 将关键点画在原图像上

 cv2.drawKeypoints(image=img, outImage=img,

                   keypoints=keypoints,flags=4,

                   color=(51, 163, 236))

 cv2.imshow("surf_detected", img)

 cv2.waitKey()

 cv2.destroyAllWindows()