OpenCV Python 如何实现ORB特征检测器

ORB （旋转FAST和BRIEF）是FAST关键点检测器和BRIEF描述符的融合，通过许多改进来提高性能。要实现 ORB 特征检测器和描述符，可以按照以下步骤进行：

导入所需的库： OpenCV 和 NumPy 。确保你已经安装了它们。
使用 cv2.imread() 方法读取输入图像。指定图像的完整路径。使用 cv2.cvtColor() 方法将输入图像转换为灰度图像。
使用默认值初始化 ORB 对象： orb=cv2.ORB_create() 。
在灰度图像中检测和计算特征关键点 ‘kp’ 和描述符 ‘des’ 。使用 orb.detectAndCompute() 。它返回关键点 ‘kp’ 和描述符 ‘des’ 。
使用 cv2.drawKeypoints() 函数在图像上绘制检测到的特征关键点 kp 。要绘制丰富的特征关键点，可以将flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS作为参数传递。
显示带有绘制的特征关键点的图像。

让我们看一些示例，在输入图像中使用ORB特征检测器检测和绘制关键点。

输入图像

我们将使用以下图像作为下面示例的输入文件。

OpenCV Python 如何实现ORB特征检测器

示例

在这个Python程序中，我们使用ORB特征检测器在输入图像中检测和计算关键点和描述符。我们还在图像上绘制了关键点并显示它。

# import required libraries
import cv2

# read input image
img = cv2.imread('house.jpg')

# convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Initiate ORB object with default values
orb = cv2.ORB_create(nfeatures=2000)

# detect and compute the keypoints on image (grayscale)
kp = orb.detect(gray, None)
kp, des = orb.compute(gray, kp)

# draw keypoints in image
img1 = cv2.drawKeypoints(gray, kp, None, (0,0,255), flags=0)

# display the image with keypoints drawn on it
cv2.imshow("ORB Keypoints", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

当我们执行上述程序时，它将产生以下输出窗口：

OpenCV Python 如何实现ORB特征检测器

关键点以红色显示。

示例

在这个Python程序中，我们使用ORB特征检测器在输入图像中检测和计算关键点和描述符。我们还在图像上绘制关键点并显示出来。

我们使用标识 cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS 来绘制关键点。

# import required libraries
import cv2

# read input image
img = cv2.imread('house.jpg')

# convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Initiate ORB object with default values
orb = cv2.ORB_create(nfeatures=50)

# detect and compute the keypoints on image (grayscale)
kp, des = orb.detectAndCompute(gray, None)

# draw keypoints in image
img1 = cv2.drawKeypoints(img, kp, None,(0,0,255),
flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

# display the image with keypoints drawn on it
cv2.imshow("ORB Keypoints", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()