如何在OpenCV中利用SIFT提取的特征得到目标物体周围的矩形

Question

我正在 OpenCV 中进行对象检测项目，其中包括将模板图像中的对象与参考图像进行匹配。使用 SIFT 算法可以准确地检测和匹配特征，但我想要围绕匹配特征的矩形 我的算法使用 KD-Tree est ean First 技术来获取匹配项

Answer 1

如果您想要在检测到的对象周围有一个矩形，此处您可以找到与此完全相同的代码示例。您只需要在单应性 H 周围绘制一个矩形

。希望它有所帮助。祝你好运。

Answer 2

我使用以下代码（改编自 OpenCV 中的 SURF 算法（modules/features2d/src/surf.cpp））来提取关键点的周围。

除了基于矩形和 ROI 的其他示例之外，此代码根据特征检测算法确定的方向和比例返回正确定向的面片（两者都在 KeyPoint 结构中可用）。

对几个不同图像的检测结果的示例：

const int PATCH_SZ = 20;
Mat extractKeyPoint(const Mat& image, KeyPoint kp)
{
    int x = (int)kp.pt.x;
    int y = (int)kp.pt.y;
    float size = kp.size;
    float angle = kp.angle;

    int win_size = (int)((PATCH_SZ+1)*size*1.2f/9.0);
    Mat win(win_size, win_size, CV_8UC3);

    float descriptor_dir = angle * (CV_PI/180);
    float sin_dir = sin(descriptor_dir);
    float cos_dir = cos(descriptor_dir);
    float win_offset = -(float)(win_size-1)/2;
    float start_x = x + win_offset*cos_dir + win_offset*sin_dir;
    float start_y = y - win_offset*sin_dir + win_offset*cos_dir;
    uchar* WIN = win.data;
    uchar* IMG = image.data;
    for( int i = 0; i < win_size; i++, start_x += sin_dir, start_y += cos_dir )
    {
        float pixel_x = start_x;
        float pixel_y = start_y;
        for( int j = 0; j < win_size; j++, pixel_x += cos_dir, pixel_y -= sin_dir )
        {
            int x = std::min(std::max(cvRound(pixel_x), 0), image.cols-1);
            int y = std::min(std::max(cvRound(pixel_y), 0), image.rows-1);
            for (int c=0; c<3; c++) {
                WIN[i*win_size*3 + j*3 + c] = IMG[y*image.step1() + x*3 + c];
            }
        }
    }
    return win;
}

我不确定比例是否是完全没问题，但它取自 SURF 源，结果看起来与我相关。