OpenCV Python密集筛

Question

OpenCV有very good documentation on generating SIFT descriptors，但这是“弱SIFT”的一个版本，其中的关键点由原始的Lowe algorithm检测。OpenCV示例如下：

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)

我要找的是强/稠密SIFT，它不检测关键点，而是计算一组覆盖图像作为网格的补丁（例如16x16像素，8像素填充）的SIFT描述符。据我所知，在OpenCV中有两种方法：

• 我可以自己将图像分割成一个网格，然后将这些补丁转换成关键点
• 我可以使用基于网格的特征检测器

换言之，我必须用能提供我所需关键点的东西来替换sift.detect()行。

我的问题是，OpenCV文档的其余部分，特别是wrt Python，严重缺乏，所以我不知道如何实现这两个目标。我在C++文档中看到，网格中有一些关键点检测器，但我不知道如何从Python中使用这些。

另一种选择是切换到VLFeat，它有一个非常好的DSift/PHOW实现，但这意味着我将不得不从python切换到matlab。

有什么想法吗？谢谢。

Answer 1

我不知道你的目标是什么，但是要注意，SIFT描述符的计算非常慢，而且从来没有被设计成密集使用。也就是说，OpenCV使得这样做变得相当简单。

基本上，不用sift.detect（），只需通过将网格设为任意密集的关键点来填充keypoint数组。然后，当您将关键点传递给sift.compute（）时，将为每个关键点计算一个描述符。

根据图像的大小和机器的速度，这可能需要很长时间。如果共变异时间是一个因素，我建议您看看OpenCV必须提供的一些binary描述符。

Answer 2

您可以在opencv 2.4.6<；中使用密集筛；。 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)

Answer 3

尽管OpenCV方式是标准的，但对我来说太慢了。为此，我使用了pyvlfeat，它基本上是python与VL-FEAT的绑定。函数的语法与Matlab函数相似