网站建设规划设计报告市场调研问卷

目录

1 Fast算法

1.1 Fast算法原理

1.2  实现办法

1.2.1  机器学习的角点检测器

1.2.2  非极大值抑制

1.3  代码实现

1.4  结果展示

2 ，ORB算法

2.1代码实现

2.2 结果展示

---

1 Fast算法

1.1 Fast算法原理

1.2  实现办法

1.2.1  机器学习的角点检测器

1.2.2  非极大值抑制

1.3  代码实现

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from  pylab import mplmpl.rcParams['font.sans-serif']  = ['SimHei']img = cv.imread("corner.png")#Fast 角点检测'''创建一个fast对象，传入阈值，  注意： 可以处理彩色空间图像'''
fast = cv.FastFeatureDetector_create(threshold=30)#检测图像上的关键点
kp = fast.detect(img , None)#在图像上绘制关键点
img2 = cv.drawKeypoints(img , kp , None ,color=(0,0,255))#输出默认参数
'''打印默认参数的值，包括阈值、是否使用非极大值抑制、邻域大小以及检测到的关键点数量'''
print("Threshold: {}".format(fast.getThreshold()))
print("nonmaxSuppression:{}".format(fast.getNonmaxSuppression()))
print("neighborhood: {}".format(fast.getType()))
print("Total Keypoints with nonmaxSuppression".format(len(kp)))#  关闭非极大值抑制
fast.setNonmaxSuppression(0)
kp = fast.detect(img , None)print("Total Keypoints without nonmaxSuppression :{}".format(len(kp)))#绘制未  加入  非极大值抑制的结果
img3 = cv.drawKeypoints(img , kp,None ,color=(0,0,255))#绘制图像
fig , axes = plt.subplots(nrows=1 , ncols=2,figsize=(5,4),dpi=100)
axes[0].imshow(img2[:,:,::-1])
axes[0].set_title("加入非极大值抑制")axes[1].imshow(img3[:,:,::-1])
axes[1].set_title("未加入非极大值抑制")
plt.show()

1.4  结果展示

2 ，ORB算法

2.1代码实现

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from  pylab import mplmpl.rcParams['font.sans-serif']  = ['SimHei']img = cv.imread("corner.png")#2  ORB算法角点检测
#2.1  实例化ORB对象
'''创建了一个ORB（Oriented FAST and Rotated BRIEF）特征检测器对象，并设置了最大特征点数为500。'''
orb = cv.ORB_create(nfeatures=500)#2.2 检测关键点，并计算特征描述符
kp , des = orb.detectAndCompute(img ,None)print(des.shape)
'''
orb.detectAndCompute()函数接受两个参数：图像(img)和掩码(None)。它将返回两个结果：关键点(kp)和描述子(des)。关键点(kp)是一个包含检测到的关键点信息的列表。每个关键点包含其在图像中的位置、尺度、方向等属性。描述子(des)是一个二维数组，形状为(N, 32)，其中N是检测到的关键点数量。每一行代表一个关键点的描述子，描述子是一个长度为32的二进制向量。通过打印des.shape，可以输出描述子的形状。这里的输出表示检测到的关键点数量为N，每个关键点的描述子长度为32。'''#将关键点绘制在图像上
img2 = cv.drawKeypoints(img , kp ,None ,color=(0,0,255),flags=0)#绘制图像
plt.figure(figsize=(5,4),dpi=100)
plt.imshow(img2[:,:,::-1])
plt.xticks([]),plt.yticks([])
plt.show()

2.2 结果展示