OpenCV 2.4.1 - le calcul de descripteurs SURF en Python

Je suis en train de mettre à jour mon code pour utiliser cv2.SURF() par opposition à cv2.FeatureDetector_create("SURF") et cv2.DescriptorExtractor_create("SURF"). Cependant, je vais avoir de la difficulté à obtenir les descripteurs après la détection de l'keypoints. Quelle est la façon correcte d'appel SURF.detect?

J'ai essayé de suivre le OpenCV de la documentation, mais je suis un peu confus. C'est ce qu'il est dit dans la documentation. 

Python: cv2.SURF.detect(img, mask) → keypoints
Python: cv2.SURF.detect(img, mask[, descriptors[, useProvidedKeypoints]]) → keypoints, descriptors

Comment puis-je passer les keypoints lors de l'émission du deuxième appel à SURF.detect?

InformationsquelleAutor Kkov | 2012-06-11
  1. 35

    Je ne suis pas sûr que je comprends vos questions correctement. Mais si vous êtes à la recherche pour un échantillon de correspondance des VAGUES keypoints, très simples et de base, on est au-dessous, qui est similaire à un modèle d'appariement:

    import cv2
import numpy as np
# Load the images
img =cv2.imread('messi4.jpg')
# Convert them to grayscale
imgg =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# SURF extraction
surf = cv2.SURF()
kp, descritors = surf.detect(imgg,None,useProvidedKeypoints = False)
# Setting up samples and responses for kNN
samples = np.array(descritors)
responses = np.arange(len(kp),dtype = np.float32)
# kNN training
knn = cv2.KNearest()
knn.train(samples,responses)
# Now loading a template image and searching for similar keypoints
template = cv2.imread('template.jpg')
templateg= cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)
keys,desc = surf.detect(templateg,None,useProvidedKeypoints = False)
for h,des in enumerate(desc):
des = np.array(des,np.float32).reshape((1,128))
retval, results, neigh_resp, dists = knn.find_nearest(des,1)
res,dist =  int(results[0][0]),dists[0][0]
if dist<0.1: # draw matched keypoints in red color
color = (0,0,255)
else:  # draw unmatched in blue color
print dist
color = (255,0,0)
#Draw matched key points on original image
x,y = kp[res].pt
center = (int(x),int(y))
cv2.circle(img,center,2,color,-1)
#Draw matched key points on template image
x,y = keys[h].pt
center = (int(x),int(y))
cv2.circle(template,center,2,color,-1)
cv2.imshow('img',img)
cv2.imshow('tm',template)
cv2.waitKey(0)
cv2.destroyAllWindows()

    Ci-dessous sont les résultats que j'ai obtenu (copier collé modèle de l'image sur l'image d'origine à l'aide de peinture):

    OpenCV 2.4.1 - le calcul de descripteurs SURF en Python

    OpenCV 2.4.1 - le calcul de descripteurs SURF en Python

    Comme vous pouvez le voir, il y a quelques petites erreurs. Mais pour une startup, j'espère que c'est OK.

    • Merci pour la réponse détaillée! J'en ai une pleine mise en œuvre de SURF de contrepartie, cependant, il a été fait avec une ancienne version d'OpenCV. Ce que je cherchais, c'était ça: surf.detect(imgg,None,useProvidedKeypoints = False). Merci beaucoup! D'une grande aide.
    • Incroyable réponse. M'a beaucoup aidé!
    • à l'aide de votre code avec mes images, j'obtiens: OpenCV Erreur: Tailles des arguments d'entrée ne correspondent pas (Réponse tableau doit contenir autant d'éléments que le nombre total d'échantillons) dans cvPreprocessOrderedResponses
    • J'ai eu la même erreur que ci-dessus avec OpenCV 2.3.1 : L'appel à knn.train(samples,responses) soulève une OpenCV d'Erreur: "les Tailles des arguments d'entrée ne correspondent pas (Réponse tableau doit contenir autant d'éléments que le nombre total d'échantillons)".
    InformationsquelleAutor Abid Rahman K
  2. 4

    Une amélioration de l'algorithme ci-dessus est:

    import cv2
import numpy
opencv_haystack =cv2.imread('haystack.jpg')
opencv_needle =cv2.imread('needle.jpg')
ngrey = cv2.cvtColor(opencv_needle, cv2.COLOR_BGR2GRAY)
hgrey = cv2.cvtColor(opencv_haystack, cv2.COLOR_BGR2GRAY)
# build feature detector and descriptor extractor
hessian_threshold = 85
detector = cv2.SURF(hessian_threshold)
(hkeypoints, hdescriptors) = detector.detect(hgrey, None, useProvidedKeypoints = False)
(nkeypoints, ndescriptors) = detector.detect(ngrey, None, useProvidedKeypoints = False)
# extract vectors of size 64 from raw descriptors numpy arrays
rowsize = len(hdescriptors) / len(hkeypoints)
if rowsize > 1:
hrows = numpy.array(hdescriptors, dtype = numpy.float32).reshape((-1, rowsize))
nrows = numpy.array(ndescriptors, dtype = numpy.float32).reshape((-1, rowsize))
#print hrows.shape, nrows.shape
else:
hrows = numpy.array(hdescriptors, dtype = numpy.float32)
nrows = numpy.array(ndescriptors, dtype = numpy.float32)
rowsize = len(hrows[0])
# kNN training - learn mapping from hrow to hkeypoints index
samples = hrows
responses = numpy.arange(len(hkeypoints), dtype = numpy.float32)
#print len(samples), len(responses)
knn = cv2.KNearest()
knn.train(samples,responses)
# retrieve index and value through enumeration
for i, descriptor in enumerate(nrows):
descriptor = numpy.array(descriptor, dtype = numpy.float32).reshape((1, rowsize))
#print i, descriptor.shape, samples[0].shape
retval, results, neigh_resp, dists = knn.find_nearest(descriptor, 1)
res, dist =  int(results[0][0]), dists[0][0]
#print res, dist
if dist < 0.1:
# draw matched keypoints in red color
color = (0, 0, 255)
else:
# draw unmatched in blue color
color = (255, 0, 0)
# draw matched key points on haystack image
x,y = hkeypoints[res].pt
center = (int(x),int(y))
cv2.circle(opencv_haystack,center,2,color,-1)
# draw matched key points on needle image
x,y = nkeypoints[i].pt
center = (int(x),int(y))
cv2.circle(opencv_needle,center,2,color,-1)
cv2.imshow('haystack',opencv_haystack)
cv2.imshow('needle',opencv_needle)
cv2.waitKey(0)
cv2.destroyAllWindows()

    Vous pouvez décommenter les instructions d'impression, pour avoir une meilleure idée sur les structures de données utilisées.

    • Votre code a l'air très intéressant, mais cela ne fonctionne pas pour moi. L'interpréteur python dit qu'il y a une erreur à la ligne 27: knn.train(échantillons, les réponses). erreur (-209) Réponse tableau doit contenir que l'homme des éléments comme le nombre total d'échantillons en fonction cvPreprocessOrderedResponses. Aucune idée sur comment résoudre ce problème? Merci!
    • Pouvez-vous essayer maintenant? J'ai apporté des améliorations à travailler avec d'autres types de fonction d'extracteurs.
    • Il ne donne pas d'erreur mais je ne vois pas de sortie non plus. Je suis désolé mais je suis un débutant total à opencv... Pourriez-vous expliquer ce que serait le résultat attendu? (un fichier, la console, une fenêtre). Merci beaucoup!
    • Hey pas un problème. Vous pouvez simplement remplacer le code d'origine qui a été montré par Abid Rahman K avec ce code. Maintenant, j'ai ajouté les 4 dernières lignes à partir de là, il suffit donc de copier l'intégralité de l'extrait de nouveau.
    InformationsquelleAutor pevogam