目錄

一、基礎理論

1、原理

?2、BRIEF算法介紹

1、介紹

2、過程

3、API介紹

?1、ORB_create函數(shù)（初始化orb檢測器）

2、orb.detectAndCompute函數(shù)（檢測關鍵點并計算）

3、cv.drawKeypoints函數(shù)（繪制關鍵點）

二、代碼

三、效果

---

一、基礎理論

1、原理

????????ORB算法結合了Fast和Brief算法，提出了構造金字塔，為Fast特征點添加了方向，從而使得關鍵點具有了尺度不變性和旋轉不變性。具體流程描述如下：

構造尺度金字塔，金字塔共有n層，與SIFT不同的是，每一層僅有一幅圖像。第s層的尺度為：

?

?（每層圖像大小和尺度有關）

1、在不同的尺度上利用Fast算法檢測特征點，采用Harris角點響應函數(shù)，根據(jù)角點的響應值排序，選取前N個特征點，作為本尺度的特征點。
2、計算特征點的主方向，計算以特征點為圓心，半徑為r的圓形鄰域內的灰度質心位置，將從特征點位置到質心位置的方向做特征點的主方向。??????

計算方法：??

質心位置：

主方向：?

?2、BRIEF算法介紹

1、介紹

????????BRIEF是一種特征描述子提取算法，并非特征點的提取算法，一種生成二值化描述子的算法，不提取代價低，匹配只需要使用簡單的漢明距離(Hamming Distance)利用比特之間的異或操作就可以完成。因此，時間代價低，空間代價低，效果還挺好是最大的優(yōu)點。

2、過程

1、圖像濾波︰原始圖像中存在噪聲時，會對結果產生影響，所以需要對圖像進行濾波，去除部分噪聲。
2、選取點對：以特征點為中心，取S*S的鄰域窗口，在窗口內隨機選取N組點對， 一般N=128,256,512，默認是256，關于如何選取隨機點對，提供了五種形式，結果如下所示：

?

?

?

3、API介紹

?1、ORB_create函數(shù)（初始化orb檢測器）

cv2.ORB_create(nfeatures = 500,scaleFactor = 1.2,nlevels = 8,edgeThreshold = 31,firstLevel = 0,WTA_K = 2,scoreType = HARRIS_SCORE,patchSize = 31,fastThreshold = 20)

參數(shù)：

nfeatures：特征點最大數(shù)量

返回：

orb對象

orb = cv.ORB_create()

2、orb.detectAndCompute函數(shù)（檢測關鍵點并計算）

kp , des= orb.detectAndCompute(img, None)

參數(shù)：
img：進行關鍵點檢測的圖像

返回：
kp：關鍵點信息，包括位置，尺度，方向信息
des：關鍵點描述符，每個關鍵點BRIEF特征向量，二進制字符串

kp , des= orb.detectAndCompute(img, None)       #返回關鍵點信息及描述符

3、cv.drawKeypoints函數(shù)（繪制關鍵點）

cv.drawKeypoints (image，keypoints,outputimage， color，flags)

img = cv.drawKeypoints(img, kp, None, color=(0,255,0), flags=0)

二、代碼

# ORB角點檢測
import cv2 as cvimg = cv.imread('Resource/1.jpg')
cv.imshow("img", img)# 1、初始化ORB檢測器
orb = cv.ORB_create(200)
# 2、用ORB尋找關鍵點
kp , des= orb.detectAndCompute(img, None)       #返回關鍵點信息及描述符
# 3、僅繪制關鍵點的位置，而不繪制大小和方向
dst = cv.drawKeypoints(img, kp, None, color=(0,255,0), flags=0)cv.imshow("dst", dst)cv.waitKey(0)

三、效果

?

?

?

總結

以上是生活随笔為你收集整理的OpenCV（24）角点检测3 -- ORB的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。