OpenCV2D 特征框架 (6)特征检测与描述类cv::KAZE的使用

news2025/1/26 14:21:29

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

cv::KAZE 类是 OpenCV 库中用于实现 KAZE 特征检测和描述的类。KAZE 是一种尺度不变特征变换（Scale-Invariant Feature Transform, SIFT）算法的改进版本，它结合了非线性扩散滤波器的思想来构建尺度空间，并提取特征点及其描述符。与 SIFT 相比，KAZE 可以在保持高精度的同时提供更好的实时性能。

以下是 cv::KAZE 类的一些关键特性：

尺度空间构建：KAZE 使用非线性扩散方程来构建尺度空间，这使得它可以在不同尺度上检测到稳定的特征点。
特征点检测：通过分析尺度空间中的局部极值来检测特征点。
描述符计算：为每个检测到的特征点计算描述符，以便于后续的匹配任务。

cv::KAZE 类提供了多种构造函数参数选项来定制其行为，例如是否使用扩展的描述符、是否使用 up-right 描述符等。下面是一些重要的成员函数和属性：

static Ptr create(bool extended=false, bool upright=false, float threshold=0.001f, int nOctaves=4, int nOctaveLayers=4, KAZE_DIFFUSION diffusionType=KAZE_DIFF_PM_G2);
创建并返回一个 cv::KAZE 的智能指针实例。你可以通过传递参数来定制检测器的行为。
void detect(const cv::Mat& image, std::vectorcv::KeyPoint& keypoints, const cv::Mat& mask=cv::Mat()) const;
在给定图像中检测特征点，并将结果存储在 keypoints 向量中。可选地，可以提供一个掩模来限制搜索区域。
void compute(const cv::Mat& image, std::vectorcv::KeyPoint& keypoints, cv::Mat& descriptors) const;
计算给定图像中特征点的描述符，并将结果存储在 descriptors 矩阵中。
void detectAndCompute(const cv::Mat& image, const cv::Mat& mask, std::vectorcv::KeyPoint& keypoints, cv::Mat& descriptors, bool useProvidedKeypoints=false) const;
这是一个组合了 detect 和 compute 的便利函数。如果 useProvidedKeypoints 设置为 true，则使用提供的特征点进行描述符计算，否则先检测特征点再计算描述符。
bool getUpright() const; 和 void setUpright(bool val);
获取或设置是否使用 up-right 描述符，即不考虑方向的描述符。
float getThreshold() const; 和 void setThreshold(float val);
获取或设置响应阈值，用于过滤弱特征点。
int getNOctaves() const; 和 void setNOctaves(int val);
获取或设置尺度空间的八度数。
int getNOctaveLayers() const; 和 void setNOctaveLayers(int val);
获取或设置每个八度的层数。
KAZE_DIFFUSION getDiffusivity() const; 和 void setDiffusivity(KAZE_DIFFUSION val);
获取或设置用于构建尺度空间的扩散类型。

代码示例

#include <opencv2/features2d.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    // 加载图像
    Mat image = imread( "/media/dingxin/data/study/OpenCV/sources/images/right.jpg", IMREAD_GRAYSCALE );
    if ( image.empty() )
    {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    // 创建 KAZE 实例
    Ptr< KAZE > detector = KAZE::create();

    // 检测特征点
    std::vector< KeyPoint > keypoints;
    detector->detect( image, keypoints );

    // 计算描述符
    Mat descriptors;
    detector->compute( image, keypoints, descriptors );

    // 或者直接调用 detectAndCompute
    // detector->detectAndCompute(image, Mat(), keypoints, descriptors);

    // 绘制特征点并显示
    Mat outputImage;
    drawKeypoints( image, keypoints, outputImage, Scalar::all( -1 ), DrawMatchesFlags::DEFAULT );
    imshow( "KAZE Keypoints", outputImage );
    waitKey( 0 );

    return 0;
}