python opencv3 特征提取与描述 DoG SIFT hessian surf

git：https://github.com/linyi0604/Computer-Vision

DoG和SIFT特征提取与描述

 # coding:utf-8

 import cv2

 # 读取图片
 img = cv2.imread("../data/walez1.jpg")
 # 转为灰度图像
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 # 创建一个sift对象 并计算灰度图像
 sift = cv2.xfeatures2d.SIFT_create()
 keypoints, descriptor = sift.detectAndCompute(gray, None)
 """
 sift对象会使用DoG检测关键点，对关键点周围的区域计算向量特征，检测并计算
 返回 关键点和描述符
 关键点是点的列表
 描述符是检测到的特征的局部区域图像列表

 关键点的属性：
     pt: 点的x y坐标
     size： 表示特征的直径
     angle: 特征方向
     response: 关键点的强度
     octave: 特征所在金字塔层级
         算法进行迭代的时候， 作为参数的图像尺寸和相邻像素会发生变化
         octave属性表示检测到关键点所在的层级
     ID： 检测到关键点的ID

 """
 # 在图像上绘制关键点
 # DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS表示对每个关键点画出圆圈和方向
 img = cv2.drawKeypoints(image=img, outImage=img, keypoints=keypoints,
                         flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS,
                         color=(51, 163, 236))

 cv2.imshow("sift_keypoints", img)
 cv2.waitKey()
 cv2.destroyAllWindows()

hessian 与SURF特征提取与匹配

 # coding:utf-8

 import cv2

 img = cv2.imread("../data/walez1.jpg")
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

 surf = cv2.xfeatures2d.SURF_create(8000)
 """
     创建surf对象，设置阈值，阈值越高检测到的特征就越少，
     通过调整阈值得到合适的关键点
 """
 # 检测图像中的关键点和描述
 keypoints, descriptor = surf.detectAndCompute(gray, None)
 """
 sift对象会使用DoG检测关键点，对关键点周围的区域计算向量特征，检测并计算
 返回 关键点和描述符
 关键点是点的列表
 描述符是检测到的特征的局部区域图像列表

 关键点的属性：
     pt: 点的x y坐标
     size： 表示特征的直径
     angle: 特征方向
     response: 关键点的强度
     octave: 特征所在金字塔层级
         算法进行迭代的时候， 作为参数的图像尺寸和相邻像素会发生变化
         octave属性表示检测到关键点所在的层级
     ID： 检测到关键点的ID

 """
 # 将关键点画在原图像上
 cv2.drawKeypoints(image=img, outImage=img,
                   keypoints=keypoints,flags=4,
                   color=(51, 163, 236))

 cv2.imshow("surf_detected", img)
 cv2.waitKey()
 cv2.destroyAllWindows()