2.5 KiB

Raw Permalink Blame History

Python 中的 ORB 特征检测

原文：https://www.askpython.com/python/examples/orb-feature-detection

你好，各位程序员，在本教程中，我们将看到什么是 ORB 特征检测器以及我们如何用 Python 实现它。ORB 代表快速定向旋转简报。

也可阅读:Python 中的图像阈值处理——简易快速指南

ORB 特征检测简介

**Oriented FAST and rotated BRIEF(ORB)**是一种快速鲁棒的局部特征检测器，由 Ethan Rublee et al. 于 2011 年首次提出，用于物体识别或 3D 重建等计算机视觉任务。

Sample Multiscaled Image Pyramid

ORB 使用了修改版的快速关键点检测器和简短描述符。在这种情况下，快速特征不是比例不变和旋转不变的。为了使快速惊吓不变，我们使用一个多尺度金字塔。ORB 检测每一关的特征以获得更高的精确度。

用 Python 实现 ORB 特征检测

当谈到 ORB 特征检测时，我们利用一些直接函数来读取图像，检测和计算 ORB 特征，然后将检测到的关键点绘制到图像中。

为了显示图像，我们使用了 OpenCV 库的旧的imshow函数。代码如下，希望您清楚所采取的步骤。

import cv2

orb=cv2.ORB_create()
img=cv2.imread("selena.jpg",1)

kp, des = orb.detectAndCompute(img, None)
imgg=cv2.drawKeypoints(img, kp, None)

img = cv2.resize(img, (300, 300))  
imgg = cv2.resize(imgg, (300, 300))  

cv2.imshow("Original Image",img)
cv2.imshow("ORB Feature Detection on Image",imgg)

cv2.waitKey(0)

cv2.destroyAllWindows()

产出#1

1.1 选择的原始图像

Original Image Face Detection

1.2 特征检测后

ORB Face Detection Output Image

样本输出#2

2.1 选择的原始图像

Original Image Face Detection Image2

2.2 特征检测后

ORB Face Detection Output Image2

结论

如你所见，我们的模型检测到了主要特征。您也可以使用自己的个人图像尝试相同的算法。对模型的结果感到惊讶。希望你喜欢这个教程！

感谢您的阅读！

2.5 KiB Raw Permalink Blame History