SURF的原理我不再叙述,网上资料比较多。在计算视觉领域,尺度空间被象征性的表述为一个图像金字塔,向下降采样一般用高斯金字塔。其中,输入图像函数反复与高斯函数的核卷积并反复对其进行二次抽样,这种方法主要用于SIFT算法的实现,但每层图像依赖于原图像,并且图像需要重设尺寸,因此,这种计算方法运算量较大。SURF角点检测算法是对SIFT的一种改进,主要体现在速度上,效率更高。它和SIFT的主要区别是图像多尺度空间的构建方法不同。SURF算法对积分图像进行操作,卷积只和前一幅图像有关,其降采样的方法是申请增加图像核的尺寸,这也是SIFT算法与SURF算法在使用金字塔原理方面的不同。SURF算法允许尺度空间多层图像同时被处理,不需对图像进行二次抽样,从而提高算法性能。
在此我参考《OpenCV3编程入门》配套示例程序:SURF特征点检测,对该程序进行了一些修改,在原程序的SURF特征点检测的基础上,添加了两个滚动条来实现hessian阈值和绘点方式的动态调节。
代码如下:
//--------------------------------------【程序说明】-------------------------------------------
// 程序说明:参考《OpenCV3编程入门》配套示例程序89
// 程序描述:SURF特征点检测
// 开发测试所用操作系统: Windows 7 32bit
// 开发测试所用IDE版本:Visual Studio 2010
// 开发测试所用OpenCV版本: 2.4.10
//------------------------------------------------------------------------------------------------
//---------------------------------【头文件、命名空间包含部分】----------------------------
// 描述:包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------------
#include "opencv2/opencv.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include
#include
using namespace cv;
//-----------------------------------【全局函数声明部分】--------------------------------------
// 描述:全局函数的声明
//-----------------------------------------------------------------------------------------------
static void ShowHelpText( );//输出帮助文字
void on_surf(int,void*);//回调函数
//-----------------------------------【全局变量声明部分】--------------------------------------
Mat srcImage1,srcImage2;
int g_minHessian = 40;//定义SURF中的hessian阈值特征点检测算子,阈值为:g_minHessian*10
int g_flags=0;
//-----------------------------------【main( )函数】--------------------------------------------
// 描述:控制台应用程序的入口函数,我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main( int argc, char** argv )
{
//【0】改变console字体颜色
system("color 2F");
//【0】显示帮助文字
ShowHelpText( );
//【1】载入源图片并显示
srcImage1 = imread("1.jpg", 1 );
srcImage2 = imread("2.jpg", 1 );
if( !srcImage1.data || !srcImage2.data )//检测是否读取成功
{
printf("读取图片错误,请确定目录下是否有imread函数指定名称的图片存在~! \n");
return false;
}
imshow("原始图1",srcImage1);
imshow("原始图2",srcImage2);
createTrackbar("阈值/10","原始图1",&g_minHessian,100,on_surf);
createTrackbar("绘点方式","原始图1",&g_flags,2,on_surf);
on_surf(0,0);
waitKey(0);
return 0;
}
void on_surf(int,void*)
{
//【2】定义需要用到的变量和类
SurfFeatureDetector detector( g_minHessian*10 );//定义一个SurfFeatureDetector(SURF) 特征检测类对象
std::vector keypoints_1, keypoints_2;//vector模板类是能够存放任意类型的动态数组,能够增加和压缩数据
//【3】调用detect函数检测出SURF特征关键点,保存在vector容器中
detector.detect( srcImage1, keypoints_1 );
detector.detect( srcImage2, keypoints_2 );
//【4】绘制特征关键点.
Mat img_keypoints_1; Mat img_keypoints_2;
drawKeypoints( srcImage1, keypoints_1, img_keypoints_1, Scalar::all(-1), g_flags*2 );
drawKeypoints( srcImage2, keypoints_2, img_keypoints_2, Scalar::all(-1), g_flags*2 );
//【5】显示效果图
imshow("特征点检测效果图1", img_keypoints_1 );
imshow("特征点检测效果图2", img_keypoints_2 );
}
//-----------------------------------【ShowHelpText( )函数】----------------------------------
// 描述:输出一些帮助信息
//----------------------------------------------------------------------------------------------
void ShowHelpText()
{
//输出OpenCV版本
printf("\t\t\t 当前使用的OpenCV版本为:" CV_VERSION );
//输出一些帮助信息
printf("\n\n\t【SURF特征点检测】程序\n\n");
printf("\n\t该程序带有两个滚动条\n\n");
printf("\n\t滚动条1:SURF的hessian的阈值(实际阈值为该值的10倍)\n\n");
printf("\n\t滚动条2:绘制关键点的不同方式:\n\n"
"\t\t0——对应DEFAULT方式\n\n"
"\t\t1——对应NOT_DRAW_SINGLE_POINTS方式\n\n"
"\t\t2——对应DRAW_RICH_KEYPOINTS方式\n\n");
printf( "\n\t按键操作说明: \n\n"
"\t\t键盘按键任意键- 退出程序\n\n" );
}
程序效果如下:
提示信息及原图:
特征检测效果图: