使用ORB描述符检测零特征点

Question

我正在尝试为一组图片计算ORB（定向FAST和旋转BRIEF）特征。接下来的任务是使用“词袋”方法来计算图片的最终特征。不过，我遇到的问题是，有时候从数据库中的图片中得到的关键点数量是0（无论是使用ORB还是BRISK实现）。我的代码来自这里。

img = cv2.imread('D:/_DATABASES/clothes_second/striped_141.descr',0)
orb = cv2.ORB()
kp = orb.detect(img,None)
kp, des = orb.compute(img, kp)
img2 = cv2.drawKeypoints(img,kp,color=(0,255,0), flags=0)
plt.imshow(img2),plt.show()

在这种情况下，有什么办法至少让ORB找到一个关键点吗？对于这些情况，如何使用密集采样呢？

Answer 1

你可以使用一种叫做“密集特征检测器”的工具，类似于在C++中实现的那个：http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_feature_detectors.html#densefeaturedetector

不过，我不太确定这个工具是否已经移植到Python中了。不过，因为这个算法其实不太复杂，你可以自己动手实现。下面是C++中的实现代码：

void DenseFeatureDetector::detectImpl( const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask ) const
{
    float curScale = static_cast<float>(initFeatureScale);
    int curStep = initXyStep;
    int curBound = initImgBound;
    for( int curLevel = 0; curLevel < featureScaleLevels; curLevel++ )
    {
        for( int x = curBound; x < image.cols - curBound; x += curStep )
        {
            for( int y = curBound; y < image.rows - curBound; y += curStep )
            {
                keypoints.push_back( KeyPoint(static_cast<float>(x), static_cast<float>(y), curScale) );
            }
        }

        curScale = static_cast<float>(curScale * featureScaleMul);
        if( varyXyStepWithScale ) curStep = static_cast<int>( curStep * featureScaleMul + 0.5f );
        if( varyImgBoundWithScale ) curBound = static_cast<int>( curBound * featureScaleMul + 0.5f );
    }

    KeyPointsFilter::runByPixelsMask( keypoints, mask );
}

不过，你会发现这个实现没有处理关键点的角度。如果你的图片有旋转，这可能会成为一个问题。