前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >计算机视觉 OpenCV Android | 特征检测与匹配 之 Feature2D中的检测器与描述子

计算机视觉 OpenCV Android | 特征检测与匹配 之 Feature2D中的检测器与描述子

作者头像
凌川江雪
发布2019-03-04 17:09:18
2K0
发布2019-03-04 17:09:18
举报
文章被收录于专栏:李蔚蓬的专栏
引言及特征点监测器

前面提到的SURF与SIFT特征检测器与描述子, 其实都是OpenCV扩展模块xfeature2d中的内容, 而在OpenCV本身包含的feature2d模块中也包含了几个非常有用的特征检测器与描述子, 其所支持的特征点检测器(FeatureDetector)如下:

  • FAST=1
  • STAR=2
  • ORB=5
  • MSER=6
  • GFTT=7
  • HARRIS=8
  • SIMPLEBLOB=9
  • DENSE=10
  • BRISK=11
  • AKAZE=12

其中,3、4本来是SIFT与SURF的,但在OpenCV3.x中,它们已经被移到扩展模块中了。 如果使用OpenCV官方编译好的OpenCV4Android 3.x版本的SDK, 则当声明与使用这两个类型的时候,它会告诉你不支持


描述子类型

feature2d支持的特征点检测器还支持以下的描述子类型:

  • DescriptorExtractor.ORB=3
  • DescriptorExtractor.BRIEF=4
  • DescriptorExtractor.BRISK=5
  • DescriptorExtractor.FREAK=6
  • DescriptorExtractor.AKAZE=7

这里其实还有1与2分别是SIFT与SURF, 但其已经被移到扩展模块了,所以如果声明使用会抛出不支持的错误提示。


简单介绍几种特征提取方法

在feature2d模块中同时具有特征点检测与描述子功能的方法有ORB、BRISK、AKAZE。

下面我们简单介绍一下这三种特征提取方法。

1.ORB检测器与描述子
  • ORB(Oriented FAST and Rotated BRIEF)是OpenCV实验室于2011年开发出来的一种新的特征提取算法, 相比较于SIFT与SURF, ORB的一大好处是没有专利限制, 可以免费自由使用, 同时具有旋转不变性与尺度不变性。

OpenCV4Android中创建ORB检测器与描述子的代码:

代码语言:javascript
复制
FeatureDetector detector = FeatureDetector.create(FeatureDetector.ORB);
DescriptorExtractor descriptorExtractor = DescriptorExtractor.create(DescriptorExtractor.ORB);
2.BRISK检测器与描述子
  • BRISK(Binary Robust Invariant Scalable Keypoint)特征检测与描述子是在2011年由几位作者联合提出的一种新的特征提取算法,

OpenCV4Android中创建ORB检测器与描述子的代码如下:

代码语言:javascript
复制
FeatureDetector detector = FeatureDetector.create(FeatureDetector.BRISK);
DescriptorExtractor descriptorExtractor = DescriptorExtractor.create(DescriptorExtractor.BRISK);
3.AKAZE检测器与描述子
  • AKAZE算法是SIFT算法之后, 具有尺度不变性与旋转不变性算法领域的再一次突破, 它是KAZE特征提取算法的加速版本;
  • 其算法原理有别于前面提到的几种方法, 其是通过正则化PM方程与AOS(加性算子分裂)方法来求解非线性扩散, 从而得到 尺度空间 的 每一层;
  • 采样的方法与SIFT类似, 对每一层实现候选点的定位与过滤以实现关键点的提取;
  • 然后再使用与SURF求解方向角度类似的方法实现旋转不变性特征, 最终生成AKAZE描述子。

AKAZE算法的原理本身比较复杂,笔者所读的书中亦无详细解说, 感兴趣的小伙伴阅读相关论文去深入了解。

在OpenCV4Android中创建AKAZE特征检测器与描述子的代码如下:

代码语言:javascript
复制
FeatureDetector detector = FeatureDetector.create(FeatureDetector.AKAZE);
DescriptorExtractor descriptorExtractor = DescriptorExtractor.create(DescriptorExtractor.AKAZE);
4. OpenCV4Android中feature2d检测器与描述子的使用

基于feature2d中的检测器对象实现对象关键点检测的演示代码:

代码语言:javascript
复制
FeatureDetector detector = null;
if(type == 1) {
  detector = FeatureDetector.create(FeatureDetector.ORB);
} else if(type == 2) {
  detector = FeatureDetector.create(FeatureDetector.BRISK);
} else if(type == 3) {
  detector = FeatureDetector.create(FeatureDetector.FAST);
} else if(type == 4){
  detector = FeatureDetector.create(FeatureDetector.AKAZE);
} else {detector = FeatureDetector.create(FeatureDetector.HARRIS);
}
MatOfKeyPoint keyPoints = new MatOfKeyPoint();
detector.detect(src, keyPoints);
Features2d.drawKeypoints(src, keyPoints, dst);

以AKAZE为例,在feature2d中实现图像特征检测、描述子计算、特征匹配的演示代码如下:

代码语言:javascript
复制
private void descriptorDemo(Mat src, Mat dst) {
  String boxFile = fileUri.getPath().replaceAll("box_in_scene", "box");
  Mat boxImage = Imgcodecs.imread(boxFile);
  FeatureDetector detector = FeatureDetector.create(FeatureDetector.AKAZE);
  DescriptorExtractor descriptorExtractor = DescriptorExtractor.create
(DescriptorExtractor.AKAZE);

  // 关键点检测
  MatOfKeyPoint keyPoints_box = new MatOfKeyPoint();
  MatOfKeyPoint keyPoints_scene = new MatOfKeyPoint();
  detector.detect(boxImage, keyPoints_box);
  detector.detect(src, keyPoints_scene);

  // 描述子生成
  Mat descriptor_box = new Mat();
  Mat descriptor_scene = new Mat();
  descriptorExtractor.compute(boxImage, keyPoints_box, descriptor_box);
  descriptorExtractor.compute(src, keyPoints_scene, descriptor_scene);

  // 特征匹配
  MatOfDMatch matches = new MatOfDMatch();
  DescriptorMatcher descriptorMatcher = DescriptorMatcher.create
(DescriptorMatcher.BRUTEFORCE_HAMMING);
  descriptorMatcher.match(descriptor_box, descriptor_scene, matches);
  Features2d.drawMatches(boxImage, keyPoints_box, src, keyPoints_scene, matches, dst);

  // 释放内存
  keyPoints_box.release();
  keyPoints_scene.release();
  descriptor_box.release();
  descriptor_scene.release();
  matches.release();
}

如果是作者本人的GitHub项目的话, 运行时,首先需要把drawable中的box.png与box_in_scene图像放到SD卡上的指定目录下, 在演示程序运行之后选择box_in_scene图像即可。 当然我们也可以更改一下代码,使用别的图片进行测试或者把图片放在项目中进行测试。


参考材料
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019.02.14 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 引言及特征点监测器
  • 描述子类型
  • 简单介绍几种特征提取方法
    • 1.ORB检测器与描述子
      • 2.BRISK检测器与描述子
        • 3.AKAZE检测器与描述子
          • 4. OpenCV4Android中feature2d检测器与描述子的使用
            • 参考材料
            领券
            问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档