Java OpenCV图像处理之SIFT角点检测详解

目录

• 介绍
• 示例代码
• 效果图
• 补充

介绍

在某些情况下对图像进行缩放后，角点信息可能会丢失，这时候Harri便不能检测到所有的角点。SIFT(scale-invariant feature transform) 刚好克服了这个问题，对图像特征的检测，尽量不受图像尺寸变化的影响．SIFT并不直接检测关键点。

其中关键点的检测是由DOG(Difference of Gaussians)检测完成的(DOG是通过不同的高斯滤波器对同一张图像进行处理，来得到关键点的)。SIFT仅通过特征向量来描述特征点周围的像素情况。

示例代码

package com.xu.opencv;

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfKeyPoint;
import org.opencv.core.Scalar;
import org.opencv.features2d.Features2d;
import org.opencv.features2d.SIFT;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

/**
 * @Title: Image.java
 * @Description: OpenCV-4.0.0 测试文件
 * @Package com.xu.Image
 * @author: hyacinth
 * @date: 2022年2月18日12点20分
 * @version: V-1.0.0
 * @Copyright: 2019 hyacinth
 */
public class Image {

    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public static void main(String[] args) {
        sift();
    }

    /**
     * OpenCV-4.1.0 SIFT 角点检测
     *
     * @return void
     * @Author: hyacinth
     * @Title: harris
     * @Description: TODO
     * @date: 2022年2月18日12点32分
     */
    public static void sift() {
        Mat src = Imgcodecs.imread("D:\\OneDrive\\桌面\\1.png");
        Mat gray = new Mat();
        Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
        SIFT sift = SIFT.create(8000);
        MatOfKeyPoint point = new MatOfKeyPoint();
        sift.detect(gray, point);
        Features2d.drawKeypoints(src, point, src, new Scalar(0, 0, 255), Features2d.DrawMatchesFlags_DRAW_RICH_KEYPOINTS);
        HighGui.imshow("SIFT 角点检测", src);
        HighGui.waitKey(0);
    }
}

效果图

补充

角点检测除了有SIFT算法，还有FAST算法

FAST(Features from Accelerated Segment Test)算法会在像素周围绘制一个圆，圆内包含16个像素，FAST算法是将圆内的像素分别与加上一个阈值的圆心像素作比较，若圈内出现连续的几个像素比加上一个阈值的像素还亮或是暗，则可认为圆心是角点．FAST是一个很有效率的检测算法，但是需要确定阈值参数来检测角点。

BRIEF(Binary Robust Independent Elementary Features）在OpenCV中主要是通过detectAndCompute()来实现，这个函数包含两个部分，检测和计算，同时也返回两个结果．一个是检测到的关键点，一个是描述符．SIFT和SURF也是这样．关键点的描述符包含了图像的关键信息，可看作是图像的另一种表现形式，在比较两个图像的时候可以通过比较两个图像的特征描述来实现．也可以用来做图像特征的匹配。

下面将展示通过FAST算法进行角点检测的示例代码，需要的可以参考一下

package com.xu.opencv;

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfKeyPoint;
import org.opencv.core.Scalar;
import org.opencv.features2d.Features2d;
import org.opencv.features2d.ORB;
import org.opencv.features2d.SIFT;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

/**
 * @Title: Image.java
 * @Description: OpenCV-4.0.0 测试文件
 * @Package com.xu.Image
 * @author: hyacinth
 * @date: 2022年2月18日12点20分
 * @version: V-1.0.0
 * @Copyright: 2019 hyacinth
 */
public class Image {

    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public static void main(String[] args) {
        fast();
    }

    public static void fast() {
        Mat src = Imgcodecs.imread("D:\\OneDrive\\桌面\\5.jpeg");
        Mat gray = new Mat();
        Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
        ORB orb = ORB.create(500, 1.2f, 8, 31, 0, 2, ORB.HARRIS_SCORE, 31, 20);
        MatOfKeyPoint point = new MatOfKeyPoint();
        orb.detect(gray, point);
        Features2d.drawKeypoints(src, point, src, new Scalar(0, 0, 255), Features2d.DrawMatchesFlags_DRAW_RICH_KEYPOINTS);
        HighGui.imshow("FAST 角点检测", src);
        HighGui.waitKey(0);
    }
}

效果图

到此这篇关于Java OpenCV图像处理之SIFT角点检测详解的文章就介绍到这了,更多相关Java OpenCV 角点检测内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！