使用SIFT描述符的OpenCV（C++）增加了檢測到的功能數量？

我在使用OpenCV中的SIFT描述符實現時有點困惑。使用SIFT描述符的OpenCV（C++）增加了檢測到的功能數量？

我想測試各種特徵檢測器+描述符的計算方法，所以我用的cv::FeatureDetector和cv::DescriptorExtractor接口，這讓我簡單地不同的檢測方法和描述符之間改變的組合。

當調用cv::DescriptorExtractor::compute(...)（變體的單個圖像），該文件說，有可能給該算法下降如果無法計算其描述關鍵點的數量，我瞭解爲什麼這樣做。

但是，發生在我身上的是描述符計算後的關鍵點實際數量增加了。顯然是這樣的，我並沒有試圖阻止它的發生，我只是希望能夠解釋爲什麼（只是一種直觀的描述會很酷，儘管我更讚賞那些）。

我在實際的OpenCV上沒有任何代碼（只是設置了一些本地的非OpenCV標誌）的包裝層上有層，所以這裏是OpenCV代碼在底部被調用：

cv::Ptr<cv::FeatureDetector> dect = cv::FeatureDetector::create("MSER"); 
cv::Mat input = cv::imread("someImg.ppm", 0); 
std::vector<cv::KeyPoint> keypoints; 
dect->detect(input, keypoints); 

cv::Ptr<cv::DescriptorExtractor>deEx=cv::DescriptorCalculator::create("SIFT"); 

std::cout << "before computing, feats size " << keypoints.size() << std::endl; 
// code to print out 10 features 

cv::Mat desc; 
deEx->compute(input, keypoints, desc); 

std::cout << "after computing, feats size " << keypoints.size() << std::endl; 
// code to print out 10 features

我之前打印出來的前10個關鍵點和描述符的計算後，所以這裏有一些具體的數字爲例：

before computing, feats size 379 
feat[0]: 10.7584 39.9262 176.526 0 12.5396 
feat[1]: 48.2209 207.904 275.091 0 11.1319 
feat[2]: 160.894 313.781 170.278 0 9.63786 
feat[3]: 166.061 239.115 158.33 0 19.5027 
feat[4]: 150.043 233.088 171.887 0 11.9569 
feat[5]: 262.323 322.173 188.103 0 8.65429 
feat[6]: 189.501 183.462 177.396 0 12.3069 
feat[7]: 218.135 253.027 171.763 0 123.069 
feat[8]: 234.508 353.236 173.281 0 11.8375 
feat[9]: 234.404 394.079 176.23 0 8.99652 
after computing, feats size 463 
feat[0]: 10.7584 39.9262 13.1313 0 12.5396 
feat[1]: 48.2209 207.904 69.0472 0 11.1319 
feat[2]: 48.2209 207.904 107.438 0 11.1319 
feat[3]: 160.894 313.781 9.57937 0 9.63786 
feat[4]: 166.061 239.115 166.144 0 19.5027 
feat[5]: 150.043 233.088 78.8696 0 11.9569 
feat[6]: 262.323 322.173 167.259 0 8.65429 
feat[7]: 189.501 183.462 -1.49394 0 12.3069 
feat[8]: 218.135 253.027 -117.067 3 123.069 
feat[9]: 218.135 253.027 7.44055 3 123.069

我從這個例子可以看出，原始的和feat[7]已經跨越了每兩個新的關鍵點，但我看不出有任何合乎邏輯的解釋爲compute方法，這樣做:(

我這裏給出的是使用MSER檢測關鍵點的打印輸出，然後嘗試計算SIFT描述，但同樣增加大小也與STAR，SURF和SIFT發生（即DoG）關鍵點檢測。我沒有嘗試將描述符更改爲其他內容，但如果有人認爲它與問題相關，我會嘗試並在我的問題中對其進行編輯。

來源

2012-03-21 penelope

你可以添加你使用的部分代碼嗎？瞭解參數將很有用。 – Alex 2012-03-21 11:32:29

呃......我實際上是在圍繞OpenCV代碼的封裝進行封裝，但是我會嘗試挖掘實際的5行代碼，它們將完成所有工作並編輯它。 – penelope 2012-03-21 14:45:34

看起來像是由於OpenCV使用Rob Hess的SIFT實現，它有時會以多於一個主導方向複製關鍵點。

環顧OpenCV報告的錯誤做了詭計，問題報告爲here。

這不是一個錯誤，行爲沒有在新版本中得到糾正，而是隻是記錄在案。由於我有義務使用我現在正在使用的OpenCV版本（v2.1），因此在我看來newer documentation還沒有發生其他行爲，因爲old one中描述的行爲對我而言意義重大。

來源

2012-03-21 16:32:10 penelope

首先，您可以在documentationcv::DescriptorExtractor::compute中看到std::vector<cv::Keypoints>參數，其中non const。這意味着這個矢量可以通過cv::DescriptorExtractor::compute進行修改。實際上，KeyPointsFilter::runByImageBorder和KeyPointsFilter::runByKeypointSize（兩個non-const函數）將應用於該向量，並將刪除無法計算描述符的關鍵點。不會重新提取關鍵點。您應該張貼您用於進一步診斷的幾行代碼。

好了，我終於找到發生問題：cv::SiftDescriptorExtractor::compute方法調用SIFT::operator()這（重新）計算的功能定位，並與幾個主要的方向重複的點。解決方案可能會將descriptorParams.recalculateAngles更改爲false。

來源

2012-03-21 14:04:56 Eric

我知道爲什麼':: compute'函數允許改變'std :: vector '和'non const'的含義。他們在文檔中給出的原因是（和我引用）「關鍵點，描述符無法計算的關鍵點被刪除。」移除是可以的。但是當我的關鍵點完成這個過程時，其中有*更多*，而不是*更少*，這是我無法理解的。我發佈了一些真實代碼，以更好地理解打印輸出的內容。 – penelope 2012-03-21 15:00:31

我想清楚瞭解它是否完全瞭解您的問題。沒有代碼，很難診斷。我嘗試了你編輯的代碼，並且改變了其他類型的DesciptorExtractor。看來只有Sift描述符纔會出現問題。 – Eric 2012-03-21 16:33:31

是的，我已經給出了自己的答案，鏈接到新舊文檔以及報告問題的頁面。我之所以沒有發佈代碼，是因爲我更感興趣的是爲什麼發生這種情況（以何種方式提取SIFT描述符增加了關鍵點的數量）比在代碼中發生的確切點更爲重要。 – penelope 2012-03-22 08:02:55

這是不是一個錯誤，而是由設計：

SIFT在同一位置不同方向返回多個興趣點，如果沒有明確單一的主方向。通常，估計最多三個（取決於實際圖像補丁）方向。

來源

2013-03-02 15:44:57 Stefan

使用SIFT描述符的OpenCV（C++）增加了檢測到的功能數量？

回答

相關問題