python - OpenCV-Python 密集 SIFT

Question

OpenCV 有 very good documentation on generating SIFT descriptors ，但这是“弱 SIFT”的一个版本，其中关键点由原始 Lowe algorithm 检测. OpenCV 示例内容如下:

img = cv2.imread('home.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

sift = cv2.SIFT()
kp = sift.detect(gray,None)
kp,des = sift.compute(gray,kp)

我正在寻找的是强/密集 SIFT，它不检测关键点，而是计算覆盖图像作为网格的一组补丁(例如 16x16 像素，8 像素填充)的 SIFT 描述符。据我了解，在 OpenCV 中有两种方法可以做到这一点:

• 我可以自己将图像划分为网格，然后以某种方式将这些补丁转换为关键点
• 我可以使用基于网格的特征检测器

换句话说，我必须将 sift.detect() 行替换为能够提供所需关键点的内容。

我的问题是 OpenCV 文档的其余部分，尤其是 Python 文档，严重缺乏，所以我不知道如何实现这些事情。我在 C++ 文档中看到有用于网格的关键点检测器，但我不知道如何在 Python 中使用它们。

另一种方法是切换到 VLFeat，它具有非常好的 DSift/PHOW 实现，但这意味着我必须从 python 切换到 matlab。

有什么想法吗？谢谢。

Answer 1

您可以在 opencv 2.4.6 < 中使用 Dense Sift。按名称创建特征检测器。

cv2.FeatureDetector_create(detectorType)

然后 "Dense" 字符串代替 detectorType

例如:-

dense=cv2.FeatureDetector_create("Dense")
kp=dense.detect(imgGray)
kp,des=sift.compute(imgGray,kp)