OpenCV：何时使用GridAdaptedFeatureDetector？
我正在尝试制作一个基于描述子的检测器。我使用的是OpenCV，发现有很多不同的特征类型、描述子类型和匹配器类型。此外，我还看到有一些组合类型，比如网格（Grid）或金字塔（Pyramid）用于特征类型。
我没有找到关于这些内容的好解释（除了金字塔，那里提到它适合“那些本身不具备缩放能力的检测器”）。我想要每种类型和每种组合（特征-描述子-匹配器）的简单描述，这样我就能有个大概念，而不需要花费大量时间去搜索和验证每种可能的组合。
有没有人知道更多相关的信息呢？
1 个回答
7
在这里，特征这个词通常指两种不同的东西：
- 特征 检测器，
- 特征 描述符。
检测器的目的是...嗯... 检测一些有趣的点，也就是那些在视角和光照变化下依然稳定的点，这些点在一些任务中表现良好，比如图像配准或物体检测。
而描述符的作用是为了在上述视角和光照变化下，确保检测到的点能够很好地匹配。
有些点是单独设计的，没有任何描述符。这种情况适用于大多数最早的兴趣点（比如Moravec、Harris和好特征）以及一小部分最近的点（如FAST）。
后来，通过共同设计点检测器和描述符，实现了显著的性能提升，这就是SIFT和SURF所采用的方法。为了简单起见，描述符没有特别的名称（不过你可以注意到，SIFT描述符和HoG特征非常相似）。这些描述符是实数值的（也就是浮点向量）。
最后，为了在有限的硬件上实现快速运行，设计了一个原始的关键点检测器（FAST）。FAST依赖于简单的二进制测试。然后，这种二进制测试的方法也被用来设计描述符，这就是你得到BRIEF、BRISK、FREAK、ORB等的原因。因此，你得到的是二进制描述符（比特流）。
最后，如果你想总结一下：
- 你可以随意组合描述符和检测器。只要注意，当一个检测器没有尺度时，你可能需要为需要尺度的描述符（如SIFT、SURF）猜测一个（或强制使用一个默认值）；
- 只要你从每张图像中得到相同类型的描述符，就可以使用任何匹配器。不同的地方在于匹配器使用的特征距离；
- SIFT和SURF是实数值的，因此需要使用L2距离进行匹配。最近的描述符（BRIEF、BRISK、FREAK、ORB）是二进制的，距离必须用汉明距离来测量。