6

指定したキーポイントから SURF 特徴を計算したい。OpenCV の Python ラッパーを使用しています。以下は私が使用しようとしているコードですが、実際の例がどこにも見つかりません。

surf = cv2.SURF()
keypoints, descriptors = surf.detect(np.asarray(image[:,:]),None,useProvidedKeypoints = True)

この関数で使用するキーポイントを指定するにはどうすればよいですか?

同様の未回答の質問: useProvidedKeypoints = true の場合、cvExtractSURF が機能しない

ドキュメンテーション

4

3 に答える 3

2

そのために cv2.DescriptorMatcher_create を使用してみてください。

たとえば、次のコードでは pylab を使用していますが、メッセージを取得できます ;)

GFTT を使用してキーポイントを計算し、SURF 記述子とブルート フォース マッチングを使用します。各コード部分の出力はヘッダーとして表示されます。

%pylab inline
import cv2
import numpy as np

img = cv2.imread('./img/nail.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imshow(gray,  cmap=cm.gray)

出力は次のようなものですhttp://i.stack.imgur.com/8eOTe.png

(この例では、キーポイントと記述子を取得するために同じ画像をチートして使用します)。

img1 = gray
img2 = gray
detector = cv2.FeatureDetector_create("GFTT")
descriptor = cv2.DescriptorExtractor_create("SURF")
matcher = pt1=(int(k1[m.queryIdx].pt[0]),int(k1[m.queryIdx].pt[1]))("FlannBased")

# detect keypoints
kp1 = detector.detect(img1)
kp2 = detector.detect(img2)

print '#keypoints in image1: %d, image2: %d' % (len(kp1), len(kp2))

image1 のキーポイント: 1000、image2: 1000

# descriptors
k1, d1 = descriptor.compute(img1, kp1)
k2, d2 = descriptor.compute(img2, kp2)

print '#Descriptors size in image1: %s, image2: %s' % ((d1.shape), (d2.shape))

イメージ 1 の記述子サイズ: (1000, 64)、イメージ 2: (1000, 64)

# match the keypoints
matches = matcher.match(d1,d2)

# visualize the matches
print '#matches:', len(matches)
dist = [m.distance for m in matches]

print 'distance: min: %.3f' % min(dist)
print 'distance: mean: %.3f' % (sum(dist) / len(dist))
print 'distance: max: %.3f' % max(dist)

一致: 1000

距離: 最小: 0.000

距離: 平均: 0.000

距離: 最大: 0.000

# threshold: half the mean
thres_dist = (sum(dist) / len(dist)) * 0.5 + 0.5

# keep only the reasonable matches
sel_matches = [m for m in matches if m.distance < thres_dist]

print '#selected matches:', len(sel_matches)

選択された一致: 1000

#Plot
h1, w1 = img1.shape[:2]
h2, w2 = img2.shape[:2]
view = zeros((max(h1, h2), w1 + w2, 3), uint8)
view[:h1, :w1, 0] = img1
view[:h2, w1:, 0] = img2
view[:, :, 1] = view[:, :, 0]
view[:, :, 2] = view[:, :, 0]

for m in sel_matches:
    # draw the keypoints
    # print m.queryIdx, m.trainIdx, m.distance
    color = tuple([random.randint(0, 255) for _ in xrange(3)])
    pt1=(int(k1[m.queryIdx].pt[0]),int(k1[m.queryIdx].pt[1]))
    pt2=(int(k2[m.queryIdx].pt[0]+w1),int(k2[m.queryIdx].pt[1]))
    cv2.line(view,pt1,pt2,color)

出力は次のようなものですhttp://i.stack.imgur.com/8CqrJ.png

于 2013-10-30T11:03:33.130 に答える
2

Python バインディングのソース コードを正しく理解していれば、C++ インターフェイスに存在する "keypoints" 引数が Python バインディングで使用されることはありません。したがって、現在のバインディングでやろうとしていることを実行することはできないと思います。考えられる解決策は、独自のバインディングを作成することです。私はそれがあなたが望んでいた答えではないことを知っています...

于 2012-08-02T08:59:53.897 に答える
0

前述の を使用してこれを行う方法の例Mahotas:

import mahotas
from mahotas.features import surf
import numpy as np


def process_image(imagename):
    '''Process an image and returns descriptors and keypoints location'''
    # Load the images
    f = mahotas.imread(imagename, as_grey=True)
    f = f.astype(np.uint8)

    spoints = surf.dense(f, spacing=12, include_interest_point=True)
    # spoints includes both the detection information (such as the position
    # and the scale) as well as the descriptor (i.e., what the area around
    # the point looks like). We only want to use the descriptor for
    # clustering. The descriptor starts at position 5:
    desc = spoints[:, 5:]
    kp = spoints[:, :2]

    return kp, desc
于 2013-06-19T21:09:51.250 に答える