如何在OpenCV Python中实现ORB特征检测器?

如何在OpenCV Python中实现ORB特征检测器?

ORB (Oriented FAST和Rotated BRIEF)结合了FAST关键点检测器和BRIEF描述符,并进行了许多改进来增强性能。要实现 ORB 特征检测器和描述符,可以按照以下步骤操作。

  • 导入所需的库 OpenCVNumPy 。确保您已经安装了它们。

  • 使用 cv2.imread() 方法读取输入图像。指定图像的完整路径。使用 cv2.cvtColor() 将输入图像转换为灰度图像的方法。

  • 使用默认值启动ORB对象,使用 orb=cv2.ORB_create()

  • 在灰度图像中检测和计算特征关键点 ‘kp’ 和描述符’ des ‘。使用 orb.detectAndCompute() 。它返回关键点’ kp ‘和描述符’ des ‘。

  • 使用 cv2.drawKeypoints() 函数在图像上绘制检测到的特征关键点 kp 。要绘制丰富的特征关键点,可以将flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS作为参数传递。

  • 显示带有绘制特征关键点的图像。

让我们看一些示例,使用ORB特征检测器在输入图像中检测和绘制关键点。

输入图像

我们将使用以下图像作为下面示例的输入文件。

如何在OpenCV Python中实现ORB特征检测器?

示例

在此Python程序中,我们使用ORB特征检测器在输入图像中检测和计算关键点和描述符。我们还在图像上绘制关键点并显示它们。

# 导入所需的库
import cv2

# 读取输入图像
img = cv2.imread('house.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用默认值启动ORB对象
orb = cv2.ORB_create(nfeatures=2000)

# 在图像(灰度)上检测和计算关键点
kp = orb.detect(gray, None)
kp, des = orb.compute(gray, kp)

# 在图像中绘制关键点
img1 = cv2.drawKeypoints(gray, kp, None, (0,0,255), flags=0)

# 显示在其中绘制了关键点的图像
cv2.imshow("ORB Keypoints", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

当我们执行以上程序时,将生成以下输出窗口 −

如何在OpenCV Python中实现ORB特征检测器?

关键点以红色显示。

示例

在此Python程序中,同样使用ORB特征检测器在输入图像中检测和计算关键点和描述符。我们还在图像上绘制关键点并显示它们。

我们使用标志 cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS 来画出关键点。

# 导入所需的库
import cv2

# 读取输入图像
img = cv2.imread('house.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 初始化ORB对象为默认值
orb = cv2.ORB_create(nfeatures=50)

# 在图像(灰度)上检测和计算关键点
kp, des = orb.detectAndCompute(gray, None)

# 在图像中绘制关键点
img1 = cv2.drawKeypoints(img, kp, None,(0,0,255),
flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

# 显示画有关键点的图像
cv2.imshow("ORB关键点", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

执行上述程序后,将产生下面的 输出 窗口−

如何在OpenCV Python中实现ORB特征检测器?

以上输出图像中,关键点是按其大小和方向绘制的。我们找到并绘制了50个特征关键点。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Python OpenCV