OpenCV-Python密集SIFT

Question

OpenCV 有非常好的文档可以生成SIFT描述符, 但这是一个“弱SIFT”版本，该版本使用原始Lowe算法检测关键点。OpenCV示例读起来像这样：

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)

我需要的是强大/密集的SIFT，它不会检测关键点，而是为覆盖图像的一组补丁（例如16x16像素，8像素填充）计算SIFT描述符。据我所知，在OpenCV中有两种方法可以实现这一点：

• 我可以自己将图像划分为网格，然后以某种方式将这些补丁转换为关键点
• 我可以使用基于网格的特征检测器

换句话说，我必须用能给我所需关键点的东西替换行。

我的问题是OpenCV文档的其余部分，特别是Python方面，非常缺乏，因此我不知道如何实现这两个事情。我在C++文档中看到了基于网格的关键点检测器，但我不知道如何从Python中使用它们。

另一种选择是切换到VLFeat，它有一个非常好的DSift / PHOW实现，但意味着我必须从python切换到matlab。

有什么想法吗？谢谢。

- Doa

---

OpenCV的最新版本（或至少其Python绑定）似乎不再支持.detect和.compute...相反，您必须使用.detectAndCompute，这意味着不再可能生成自己的关键点。 - bard

这并不适用于OpenCV3。 - P.R.

Answer 1

您可以在opencv 2.4.6＆lt;中使用Dense Sift。通过其名称创建特征检测器。

cv2.FeatureDetector_create（detectorType）

然后将"Dense"字符串放入detectorType的位置。

例如：

dense=cv2.FeatureDetector_create("Dense")
kp=dense.detect(imgGray)
kp,des=sift.compute(imgGray,kp)

- madan ram

---

不是我想抢答案，但是在C++中是否也可以做到同样的事情呢？有没有人能指点一下我？ - The Nomadic Coder

@SemicolonWarrier 是的，这是可能的。请看这里http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_feature_detectors.html#featuredetector-create - Yasser Souri

Answer 2

我不确定你的目标是什么，但请注意，SIFT描述符计算非常缓慢，从未设计用于密集运算。尽管如此，OpenCV使得这很容易实现。

基本上，你只需自己填充keypoint数组，方法是按照你想要的密度将网格分成关键点。然后，当你将关键点传递给sift.compute()时，将为每个关键点计算一个描述符。

根据图像的大小和计算机的速度，这可能需要很长时间。如果计算时间是一个因素，我建议你看看OpenCV提供的一些二进制描述符。

- David Nilosek

---

谢谢David。那么我的问题是：我应该用什么来填充关键点数组？我能从OpenCV API页面中推断出正确的格式吗？感谢您提醒SIFT速度问题，VLFeat密集SIFT实现似乎非常快，所以我想我会选择它。 - Doa

此外，目标是将其用于场景/对象分类，其中密集sift似乎比“普通”sift更适合。 - Doa

我刚在这里用一个例子回答了这个问题https://dev59.com/cJDea4cB1Zd3GeqPWhP9#33702400，如果还有兴趣的话。 - P.R.

Answer 3

尽管OpenCV是标准，但对我来说速度太慢了。因此，我使用了pyvlfeat，它基本上是VL-FEAT的Python绑定。这些函数具有与Matlab函数类似的语法。

- The Nomadic Coder