c++ - 使用 OpenCV 丢弃细胞图像中的异常值 SIFT 关键点

Question

我正在处理生物信息学的任务，需要从一些细胞图像中提取一些特征。

我使用 SIFT 算法提取图像内部的关键点，如图所示。

正如您在图片中也看到的(红色圈出)，一些关键点是异常值，我不想计算它们的任何特征。

我使用以下代码获得了 cv::KeyPoint vector :

const cv::Mat input = cv::imread("/tmp/image.jpg", 0); //Load as grayscale

cv::SiftFeatureDetector detector;
std::vector<cv::KeyPoint> keypoints;
detector.detect(input, keypoints);

但我想从 vector 中丢弃所有那些关键点，例如，在以它们为中心的某个感兴趣区域 (ROI) 内，关键点少于 3 个图片。

因此我需要实现一个函数，返回作为输入给定的特定 ROI 内的关键点数:

int function_returning_number_of_key_points_in_ROI( cv::KeyPoint, ROI );
   //I have not specified ROI on purpose...check question 3

我有三个问题:

1. 是否有任何现有功能在做类似的事情？
2. 如果没有，您能否帮助我了解如何自己实现它？
3. 您会为此任务使用圆形或矩形 ROI 吗？您将如何在输入中指定它？

注意:

我忘了说明我想要一个有效的函数实现，即检查每个关键点所有其他关键点相对于它的相对位置将不是一个好的解决方案(如果存在另一种方法)。

Answer 1

我决定采用统计方法，但如果 View 中有多个单元格，这可能不起作用。

我的解决方案相当简单:

1. 计算关键点位置
2. 找到关键点空间位置的质心
3. 计算所有点到质心的欧氏距离
4. 按 distance < mu + 2*sigma 过滤原始关键点

这是我使用此算法得到的图像(关键点 == 绿色，质心 == 红色):

最后，这是我如何做到的代码示例:

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/features2d/features2d.hpp>

#include <iostream>
#include <vector>

using namespace cv;
using namespace std;

void distanceFromCentroid(const vector<Point2f>& points, Point2f centroid, vector<double>& distances)
{
    vector<Point2f>::const_iterator point;
    for(point = points.begin(); point != points.end(); ++point)
    {
        double distance = std::sqrt((point->x - centroid.x)*(point->x - centroid.x) + (point->y - centroid.y)*(point->y - centroid.y));
        distances.push_back(distance);
    }
}

int main(int argc, char* argv[])
{
    Mat input = imread("cell.jpg", 0); //Load as grayscale

    SiftFeatureDetector detector;
    vector<cv::KeyPoint> keypoints;
    detector.detect(input, keypoints);

    vector<Point2f> points;
    vector<KeyPoint>::iterator keypoint;
    for(keypoint = keypoints.begin(); keypoint != keypoints.end(); ++keypoint)
    {
        points.push_back(keypoint->pt);
    }

    Moments m = moments(points, true);
    Point2f centroid(m.m10 / m.m00, m.m01 / m.m00);

    vector<double> distances;
    distanceFromCentroid(points, centroid, distances);

    Scalar mu, sigma;
    meanStdDev(distances, mu, sigma);

    cout << mu.val[0] << ", " << sigma.val[0] << endl;

    vector<KeyPoint> filtered;
    vector<double>::iterator distance;
    for(size_t i = 0; i < distances.size(); ++i)
    {
        if(distances[i] < (mu.val[0] + 2.0*sigma.val[0]))
        {
            filtered.push_back(keypoints[i]);
        }
    }

    Mat out = input.clone();
    drawKeypoints(input, filtered, out, Scalar(0, 255, 0));

    circle(out, centroid, 7, Scalar(0, 0, 255), 1);

    imshow("kpts", out);
    waitKey();

    imwrite("statFilter.png", out);

    return 0;
}

希望对您有所帮助!