dst=cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])

#下列代碼即先創(chuàng)建一個SIFT對象，然后計算灰度圖像
sift = cv2.xfeatures2d.SIFT_create()
keypoints, descriptor = sift.detectAndCompute(gray, None)

#sift對象會使用DoG檢測關(guān)鍵點，對關(guān)鍵點周圍的區(qū)域計算向量特征，檢測并計算

import cv2
import numpy as np
img = cv2.imread('/home/yc/Pictures/jianbin.jpg')
#參數(shù)為hessian矩陣的閾值
surf = cv2.xfeatures2d.SURF_create(4000)
#設(shè)置是否要檢測方向
surf.setUpright(True)
#輸出設(shè)置值
print(surf.getUpright())
#找到關(guān)鍵點和描述符
key_query,desc_query = surf.detectAndCompute(img,None)
img=cv2.drawKeypoints(img,key_query,img)
#輸出描述符的個數(shù)
print(surf.descriptorSize())
cv2.namedWindow("jianbin",cv2.WINDOW_NORMAL)
cv2.imshow('jianbin',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 創(chuàng)建ORB特征檢測器和描述符
orb = cv2.ORB_create()
kp = orb.detect(img,None)
 # 對圖像檢測特征和描述符
kp, des = orb.compute(img, kp)
#注意kp是一個包含若干點的列表,des對應(yīng)每個點的描述符 是一個列表， 每一項都是檢測>到的特征的局部圖像

# 暴力匹配BFMatcher，遍歷描述符，確定描述符是否匹配，然后計算匹配距離并排序
# BFMatcher函數(shù)參數(shù)：
# normType：NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2。
# NORM_L1和NORM_L2是SIFT和SURF描述符的優(yōu)先選擇，NORM_HAMMING和NORM_HAMMING2是用于ORB算法
bf = cv2.BFMatcher(normType=cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1,des2)
matches = sorted(matches, key = lambda x:x.distance)
# matches是DMatch對象，具有以下屬性：
# DMatch.distance - 描述符之間的距離。 越低越好。
# DMatch.trainIdx - 訓練描述符中描述符的索引
# DMatch.queryIdx - 查詢描述符中描述符的索引
# DMatch.imgIdx - 訓練圖像的索引。

# coding:utf-8
 
 import cv2

# 按照灰度圖像讀入兩張圖片
img1 = cv2.imread("/home/yc/Pictures/cat.jpg", cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread("/home/yc/Pictures/cat2.jpg", cv2.IMREAD_GRAYSCALE)
 
# 獲取特征提取器對象
orb = cv2.ORB_create()
# 檢測關(guān)鍵點和特征描述
keypoint1, desc1 = orb.detectAndCompute(img1, None)
keypoint2, desc2 = orb.detectAndCompute(img2, None)
"""
keypoint 是關(guān)鍵點的列表
desc 檢測到的特征的局部圖的列表
"""
# 獲得knn檢測器
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.knnMatch(desc1, desc2, k=1)

"""
knn 匹配可以返回k個最佳的匹配項
bf返回所有的匹配項
"""
# 畫出匹配結(jié)果
img3 = cv2.drawMatchesKnn(img1, keypoint1, img2, keypoint2, matches, img2, flags=2)
cv2.imshow("cat", img3)
cv2.waitKey()
cv2.destroyAllWindows()