标签: sift

例如,在使用OpenCV时,通常使用SURF等算法来检测关键点.我的问题是这些关键点究竟是什么？

我知道它们是图像中的某种"兴趣点".我也知道它们是尺度不变的并且是圆形的.

此外,我发现他们有方向但我无法理解这实际上是什么.这是一个角度,但在半径和东西之间？你能解释一下吗？我想我首先需要的是更简单的东西,然后更容易理解论文.

我使用了Andrea Vedaldi的SIFT实现来计算两个相似图像的筛选描述符(第二个图像实际上是从不同角度放大同一个对象的图片).

现在我无法弄清楚如何比较描述符以告诉图像有多相似？

我知道这个问题是不负责任的,除非你之前真的玩过这些东西,但我认为之前做过这个的人可能知道这个,所以我发布了这个问题.

我做的很少生成描述符:

>> i=imread('p1.jpg');
>> j=imread('p2.jpg');
>> i=rgb2gray(i);
>> j=rgb2gray(j);
>> [a, b]=sift(i);  % a has the frames and b has the descriptors
>> [c, d]=sift(j);

我正在尝试一个简单的事情

detector = cv2.SIFT()

并得到这个错误的错误

detector = cv2.SIFT()
AttributeError: 'module' object has no attribute 'SIFT'

我不明白,因为安装了cv2.

cv2.__version__ 是

$Rev: 4557 $

我的系统是Ubuntu 12.04.

也许某人有同样的问题,可以帮助我.

编辑:

长话短说,testypypypy.py:

import cv2

detector = cv2.SIFT()

错误:

Traceback (most recent call last):
  File "testypypy.py", line 3, in <module>
    detector = cv2.SIFT()
AttributeError: 'module' object has no attribute 'SIFT

如果我认为SURF它是有效的,因为SURF它在,dir(cv2)但如果我也采取cv2.BFMatcher()我得到相同的错误...所以它失踪了,我必须添加它,但我不知道如何.

有人知道SIFT实现与OpenCV 2.2的示例链接.问候,

我已经从OpenCV 2.4.9转移到3.0以利用drawMatches和drawMatchesKnn功能.我开始知道它没有像SIFT,SURF这样的非自由算法.所以我通过以下步骤从https://github.com/Itseez/opencv_contrib安装了opencv_contrib

cmake -DOPENCV_EXTRA_MODULES_PATH=/home/zealous/Downloads/opencv_contrib-master/modules /usr/local ..

make -j5

make install

我还交叉检查了opencv的模块,xfeatures2d就在那里.然后,当我试图做

>>> import cv2
>>> help(cv2.xfeatures2d)

它给了我以下错误

Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    help(cv2.xfeatures2d)
AttributeError: 'module' object has no attribute 'xfeatures2d'

我在这做错了什么.仅供参考,我使用的是OpenCV 3.0测试版.有没有为xfeatures2d打开 OpenCV的python包装器或者我没有正确安装它？

我正在使用SURF和SIFT测试一些物体检测.

SURF声称比SIFT更快更强大,但我在测试中发现这不是真的.具有中等图像(600*400)的SIFT与SURF的速度相同,它可以很好地识别物体(甚至可能比SURF更好).

难道我做错了什么？

[编辑]

请注意,有一篇文章解释了如何通过对opencv代码进行一些更改来提高SURF的速度.

如果你认识一些活跃的opencv开发者,请让他看看.

假设我有一组 N 个图像，并且我已经计算了每个图像的 SIFT 描述符。我知道想计算不同特征之间的匹配。我听说一种常见的方法是 Lowe 比率测试，但我无法理解它是如何工作的。有人可以向我解释一下吗？

在python(2.7.x)opencv(2.4.9)中使用SIFT比较两个图像后,我一直试图找到一种生成相似度得分(%)的方法.我只能找到在比赛之间画线的例子.我该如何处理.

在询问这里并尝试SURF和SIFT之后,它们都没有足够高效地产生足够快的兴趣点来跟踪来自摄像机的流.

例如,SURF需要大约3秒的时间来生成图像的兴趣点,这对于跟踪来自网络摄像头的视频来说太慢了,而且在手机上使用它时情况会更糟.

我只需要一个跟踪某个区域,它的比例,倾斜等的算法.我可以在此基础上构建.

谢谢

密集筛选实现与筛选相比有什么区别？彼此有什么优点/缺点？我在谈论VLFeat实现.