OpenCV FAST算法-特征点过多

Question

OpenCV FAST算法-特征点过多

4

我正在尝试提取特征以便随后训练一个SVM，这将用于Android应用程序。我使用Python来查找和提取这些特征，因为它易于编写且省时。我的问题是，我得到了太多的特征，而我不知道如何仅获取最佳特征。我发现在OpenCV的C++ API中有一个名为retainBest的方法，但我无法在Python中找到它。你能否给出建议该怎么做？

这是我使用的代码：

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('./positive_images/1.jpg',cv2.CV_LOAD_IMAGE_GRAYSCALE)
#img = cv2.resize(cv2.imread('./positive_images/3.png',cv2.CV_LOAD_IMAGE_GRAYSCALE), (100, 100))
#th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)
ret,th3 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
cv2.imwrite("result1.jpg", th3)

img = th3

# Initiate FAST object with default values
fast = cv2.FastFeatureDetector()

# find and draw the keypoints
keypoints = fast.detect(img,None)
img2 = cv2.drawKeypoints(img, keypoints, color=(255,0,0))

cv2.imwrite('fast_true.png',img2)

# Disable nonmaxSuppression
fast.setBool('nonmaxSuppression',0)
keypoints = fast.detect(img,None)

print "Total Keypoints without nonmaxSuppression: ", len(keypoints)

img3 = cv2.drawKeypoints(img, keypoints, color=(255,0,0))
cv2.imwrite("result.jpg",img3)

原始图片：

enter image description here

处理后的图片：

enter image description here

我的目标是检测方向盘。

- dephinera

关键点具有“response”成员。您可以尝试过滤掉最弱的关键点。 - berak

谢谢你的帮助。我会看看的（希望能有更好的结果）。 - dephinera

仍然记得，整个关键点/特征检测的过程将找到确切的模型。（您可能无法以这种方式检测任意车轮。） - berak

那就是为什么我要训练一个SVM，而且我也不会只使用这张图片。 - dephinera

方向盘的特点并不像它们的整体轮廓那样突出。 - user334911

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- JonasVautherin · Accepted Answer

如果您查看文档，您可以为FAST检测器设置阈值：

FastFeatureDetector( int threshold=1, bool nonmaxSuppression=true, type=FastFeatureDetector::TYPE_9_16 );

这里，默认的 threshold 被设置为 1。在你的代码中，尝试将其设置为 40，并查看结果，如下所示：

fast = cv2.FastFeatureDetector(40)

您可以在这里找到关于阈值含义的详细信息：

选择图像中的一个像素点p，并决定其是否为兴趣点。设该点亮度值为I_p。
...
...
现在，如果存在一组n个相邻的像素点，它们在16像素圆圈内均比I_p+t亮或比I_p-t暗，则像素点p为角点。(在上述图片中以白色虚线表示)。n的值被选为12。