如何在 OpenCV for Python 中使用 surf 和 sift 检测器答案

【问题标题】：How to use surf and sift detector in OpenCV for Python如何在 OpenCV for Python 中使用 surf 和 sift 检测器
【发布时间】：2016-02-13 16:55:40
【问题描述】：

我正在尝试使用函数 SURF() 进行特征匹配的代码。执行时会出现错误提示“AttributeError: 'module' object has no attribute 'SURF'”。

如何下载 Python (Windows) 的此模块并修复此错误？

【问题讨论】：

标签： python opencv surf

【解决方案1】：

您可以在 open cv 中尝试 ORB（定向 FAST 和 Rotated Brief）作为 SURF 的替代品。它几乎和 SURF 和 SIFT 一样好用，而且它是免费不像 SIFT 和 SURF 是专利并且可以不得用于商业用途。
您可以在 opencv-python 文档中了解更多信息 here

这里是示例代码，方便您使用

import cv2
from matplotlib import pyplot as plt

img1 = cv2.imread('text.png',cv2.COLOR_BGR2GRAY) # queryImage
img2 = cv2.imread('original.png',cv2.COLOR_BGR2GRAY) # trainImage
# Initiate SIFT detector
orb = cv2.ORB_create()

# find the keypoints and descriptors with SIFT
kp1, des1 = orb.detectAndCompute(img1,None)
kp2, des2 = orb.detectAndCompute(img2,None)
# create BFMatcher object
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
# Match descriptors.
matches = bf.match(des1,des2)

# Sort them in the order of their distance.
matches = sorted(matches, key = lambda x:x.distance) 
# Draw first 10 matches.
img3 = cv2.drawMatches(img1,kp1,img2,kp2,matches[:10],None, flags=2)

plt.imshow(img3),plt.show()

【讨论】：

它在 opencv 2.7 或 2.4 中有效吗？因为我在 ORB 上遇到了同样的错误。
我在 open cv 3.0 中使用过
与此同时，几年后，openCV 的天才们想出了另一个解决方案。 2 实际上，KAZE 和 AKAZE。值得一看。

【解决方案2】：

一开始

pip install opencv-contrib-python

然后使用这个 hack 来创建 sift 对象

sift = cv2.xfeatures2d.SIFT_create()

【讨论】：

我不知道...我去测试一下！
SIFT 和 SURF 不再包含在 OpenCV Version >= 3 中。如果你想使用它们，你必须手动编译 OpenCV 并打开 contrib-modules 和 OPENCV_ENABLE_NONFREE CMake 标志。

【解决方案3】：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('simple.jpg',0)
# Initiate FAST object with default values
fast = cv.FastFeatureDetector_create()
# find and draw the keypoints
kp = fast.detect(img,None)
img2 = cv.drawKeypoints(img, kp, None, color=(255,0,0))
# Print all default params
print( "Threshold: {}".format(fast.getThreshold()) )
print( "nonmaxSuppression:{}".format(fast.getNonmaxSuppression()) )
print( "neighborhood: {}".format(fast.getType()) )
print( "Total Keypoints with nonmaxSuppression: {}".format(len(kp)) )
cv.imwrite('fast_true.png',img2)
#Disable nonmaxSuppression
fast.setNonmaxSuppression(0)
kp = fast.detect(img,None)
print( "Total Keypoints without nonmaxSuppression: {}".format(len(kp)) )
img3 = cv.drawKeypoints(img, kp, None, color=(255,0,0))
cv.imwrite('fast_false.png',img3)

【讨论】：