計算機視覺 OpenCV Android | 特徵檢測與匹配之 Feature2D中的檢測器與描述子

OpenCV · 發表 2019-02-15 07:02:38

摘要：引言及特徵點監測器前面提到的SURF與SIFT特徵檢測器與描述子，其實都是OpenCV擴充套件模組xfeature2d 中的內容，而在OpenCV本身包含的feature2d...

引言及特徵點監測器

前面提到的SURF與SIFT特徵檢測器與描述子 ，

其實都是OpenCV擴充套件模組xfeature2d 中的內容，

而在OpenCV本身包含的feature2d模組中 也包含了幾個非常有用的特徵檢測器與描述子 ，

其所支援的特徵點檢測器（FeatureDetector） 如下：

FAST=1
STAR=2
ORB=5
MSER=6
GFTT=7
HARRIS=8
SIMPLEBLOB=9
DENSE=10
BRISK=11
AKAZE=12

其中，3、4 本來是SIFT 與SURF 的，但在OpenCV3.x 中，它們已經被移到擴充套件模組 中了。

如果使用OpenCV官方編譯好的OpenCV4Android 3.x版本的SDK ，

則當宣告與使用這兩個型別的時候，它會告訴你不支援 。

描述子型別

feature2d 支援的特徵點檢測器 還支援以下的描述子型別 ：

DescriptorExtractor.ORB=3
DescriptorExtractor.BRIEF=4
DescriptorExtractor.BRISK=5
DescriptorExtractor.FREAK=6
DescriptorExtractor.AKAZE=7

這裡其實還有1與2 分別是SIFT與SURF ，

但其已經被移到擴充套件模組 了，所以如果宣告使用會丟擲不支援 的錯誤提示。

簡單介紹幾種特徵提取方法

在feature2d模組 中同時具有特徵點檢測與描述子功能的方法 有ORB、BRISK、AKAZE 。

下面我們簡單介紹一下這三種特徵提取方法 。

1.ORB檢測器與描述子

ORB（Oriented FAST and Rotated BRIEF） 是OpenCV實驗室於2011年開發出來的一種新的特徵提取演算法 ，

相比較於SIFT與SURF ，

ORB的一大好處是沒有專利限制 ，

可以免費自由使用 ，

同時具有旋轉不變性與尺度不變性 。

OpenCV4Android中建立ORB檢測器與描述子的程式碼：

FeatureDetector detector = FeatureDetector.create(FeatureDetector.ORB);
DescriptorExtractor descriptorExtractor = DescriptorExtractor.create(DescriptorExtractor.ORB);

2.BRISK檢測器與描述子

BRISK（Binary Robust Invariant Scalable Keypoint）特徵檢測與描述子 是在2011年由幾位作者聯合提出的一種新的特徵提取演算法 ，

OpenCV4Android中建立ORB檢測器與描述子的程式碼如下：

FeatureDetector detector = FeatureDetector.create(FeatureDetector.BRISK);
DescriptorExtractor descriptorExtractor = DescriptorExtractor.create(DescriptorExtractor.BRISK);

3.AKAZE檢測器與描述子

AKAZE演算法是SIFT演算法之後 ,

具有尺度不變性 與旋轉不變性演算法領域 的再一次突破 ，

它是KAZE特徵提取演算法 的加速版本 ；
其演算法原理有別於前面提到的幾種方法 ，

其是通過正則化PM方程與AOS（加性運算元分裂）方法 來求解非線性擴散 ，

從而得到尺度空間的每一層 ；
取樣的方法與SIFT 類似，

對每一層實現候選點的定位與過濾 以實現關鍵點的提取 ；
然後再使用與SURF 求解方向角度類似的方法實現旋轉不變性 特徵，

最終生成AKAZE描述子 。

AKAZE演算法的原理本身比較複雜，筆者所讀的書中亦無詳細解說，

感興趣的小夥伴閱讀相關論文去深入瞭解。

在OpenCV4Android中建立AKAZE特徵檢測器與描述子的程式碼如下：

FeatureDetector detector = FeatureDetector.create(FeatureDetector.AKAZE);
DescriptorExtractor descriptorExtractor = DescriptorExtractor.create(DescriptorExtractor.AKAZE);

4. OpenCV4Android中feature2d檢測器與描述子的使用

基於feature2d中的檢測器物件實現物件關鍵點檢測的演示程式碼：

FeatureDetector detector = null;
if(type == 1) {
　　detector = FeatureDetector.create(FeatureDetector.ORB);
} else if(type == 2) {
　　detector = FeatureDetector.create(FeatureDetector.BRISK);
} else if(type == 3) {
　　detector = FeatureDetector.create(FeatureDetector.FAST);
} else if(type == 4){
　　detector = FeatureDetector.create(FeatureDetector.AKAZE);
} else {detector = FeatureDetector.create(FeatureDetector.HARRIS);
}
MatOfKeyPoint keyPoints = new MatOfKeyPoint();
detector.detect(src, keyPoints);
Features2d.drawKeypoints(src, keyPoints, dst);

以AKAZE為例，在feature2d中實現影象特徵檢測、描述子計算、特徵匹配的演示程式碼如下：

private void descriptorDemo(Mat src, Mat dst) {
　　String boxFile = fileUri.getPath().replaceAll("box_in_scene", "box");
　　Mat boxImage = Imgcodecs.imread(boxFile);
　　FeatureDetector detector = FeatureDetector.create(FeatureDetector.AKAZE);
　　DescriptorExtractor descriptorExtractor = DescriptorExtractor.create
(DescriptorExtractor.AKAZE);

　　// 關鍵點檢測
　　MatOfKeyPoint keyPoints_box = new MatOfKeyPoint();
　　MatOfKeyPoint keyPoints_scene = new MatOfKeyPoint();
　　detector.detect(boxImage, keyPoints_box);
　　detector.detect(src, keyPoints_scene);

　　// 描述子生成
　　Mat descriptor_box = new Mat();
　　Mat descriptor_scene = new Mat();
　　descriptorExtractor.compute(boxImage, keyPoints_box, descriptor_box);
　　descriptorExtractor.compute(src, keyPoints_scene, descriptor_scene);

　　// 特徵匹配
　　MatOfDMatch matches = new MatOfDMatch();
　　DescriptorMatcher descriptorMatcher = DescriptorMatcher.create
(DescriptorMatcher.BRUTEFORCE_HAMMING);
　　descriptorMatcher.match(descriptor_box, descriptor_scene, matches);
　　Features2d.drawMatches(boxImage, keyPoints_box, src, keyPoints_scene, matches, dst);

　　// 釋放記憶體
　　keyPoints_box.release();
　　keyPoints_scene.release();
　　descriptor_box.release();
　　descriptor_scene.release();
　　matches.release();
}

如果是作者本人的GitHub專案的話，

執行時，首先需要把drawable中的box.png與box_in_scene影象放到SD卡上的指定目錄下，

在演示程式執行之後選擇box_in_scene影象即可。

當然我們也可以更改一下程式碼，使用別的圖片進行測試或者把圖片放在專案中進行測試。

計算機視覺 OpenCV Android | 特徵檢測與匹配 之 Feature2D中的檢測器與描述子