Java?OpenCV圖像處理之SIFT角點檢測詳解

更新時間：2022年02月18日 15:23:53 作者：深色風信子

SIFT，即尺度不變特征變換，是用于圖像處理領域的一種描述。這種描述具有尺度不變性，可在圖像中檢測出關鍵點，是一種局部特征描述子。本文將詳細介紹一下Java?OpenCV圖像處理中的SIFT角點檢測，需要的可以參考一下

介紹

在某些情況下對圖像進行縮放后，角點信息可能會丟失，這時候Harri便不能檢測到所有的角點。SIFT(scale-invariant feature transform) 剛好克服了這個問題，對圖像特征的檢測，盡量不受圖像尺寸變化的影響．SIFT并不直接檢測關鍵點。

其中關鍵點的檢測是由DOG(Difference of Gaussians)檢測完成的(DOG是通過不同的高斯濾波器對同一張圖像進行處理，來得到關鍵點的)。SIFT僅通過特征向量來描述特征點周圍的像素情況。

示例代碼

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 測試文件
 * @Package com.xu.Image
 * @author: hyacinth
 * @date: 2022年2月18日12點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 角點檢測
     *
     * @return void
     * @Author: hyacinth
     * @Title: harris
     * @Description: TODO
     * @date: 2022年2月18日12點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 角點檢測", src);
        HighGui.waitKey(0);
    }
}

效果圖

補充

角點檢測除了有SIFT算法，還有FAST算法

FAST(Features from Accelerated Segment Test)算法會在像素周圍繪制一個圓，圓內(nèi)包含16個像素，F(xiàn)AST算法是將圓內(nèi)的像素分別與加上一個閾值的圓心像素作比較，若圈內(nèi)出現(xiàn)連續(xù)的幾個像素比加上一個閾值的像素還亮或是暗，則可認為圓心是角點．FAST是一個很有效率的檢測算法，但是需要確定閾值參數(shù)來檢測角點。

BRIEF(Binary Robust Independent Elementary Features）在OpenCV中主要是通過detectAndCompute()來實現(xiàn)，這個函數(shù)包含兩個部分，檢測和計算，同時也返回兩個結果．一個是檢測到的關鍵點，一個是描述符．SIFT和SURF也是這樣．關鍵點的描述符包含了圖像的關鍵信息，可看作是圖像的另一種表現(xiàn)形式，在比較兩個圖像的時候可以通過比較兩個圖像的特征描述來實現(xiàn)．也可以用來做圖像特征的匹配。

下面將展示通過FAST算法進行角點檢測的示例代碼，需要的可以參考一下

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 測試文件
 * @Package com.xu.Image
 * @author: hyacinth
 * @date: 2022年2月18日12點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 角點檢測", src);
        HighGui.waitKey(0);
    }
}

效果圖