Python/OpenCV 如何处理 .yml 文件中的大量 SIFT 特征？

Question

我正在使用 OpenCv，我使用 yaml 来存储 SIFT 关键点和描述符。 我有一个包含 1659 张图片的数据库（.jpg，每张图片大约 95 KB）。对于每个图像，我创建了一个带有关键点和描述符的 .yml 文件。现在，对于单个图像，我最终得到了 700 个关键点和描述符，从而生成了一个 ca. 4MB，我想避免使用二进制文件。
我的问题是：

• 如何知道特征数量是否足以满足图像的需求？
• 有什么方法可以控制特征的数量？例如，为 SIFT 设置阈值？
• 现在使用 cv2.FileStorage.write 将 numpy 矩阵存储到 yamil 文件中，OpenCv 用 16 位有效数字写入每个数字（例如 1.9705572128295898e+00）。如果我减少有效数字会有问题吗？例如到 4？

Answer 1

1. 我如何知道特征数量是否足以满足图像的需求？

这必须取决于你的形象，你的任务要求。你应该比别人更了解，或者做实验来弄清楚。

1. 有什么方法可以控制特征的数量？

当然。创建时，只需传递必要的参数即可。

cv2.xfeatures2d.SIFT_create([, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma]]]]]) -> retval
 | . @param nfeatures The number of best features to retain. The features are ranked by their scores
 | . (measured in SIFT algorithm as the local contrast)
 | .
 | . @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. 
 | . The number of octaves is computed automatically from the image resolution.
 | .
 | . @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform
 | . (low-contrast) regions. The larger the threshold, the less features are produced by the detector.
 | .
 | . @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning
 | . is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are
 | . filtered out (more features are retained).
 | .
 | . @param sigma The sigma of the Gaussian applied to the input image at the octave \#0. If your image
 | . is captured with a weak camera with soft lenses, you might want to reduce the number.
 |

例如，我创建了一个具有 50 个关键点和 3 层的筛选检测器：

sift = cv2.xfeatures2d.SIFT_create(nfeatures = 50, nOctaveLayers=3)

这是检测结果：

1. 太长了。我知道您在 OpenCV-Python 中将大量关键点和描述符存储为 .yml 格式。

好的，当您需要存储大量数据时，.yml 真的有帮助吗？真的合理吗？你真的需要keypoint (points2f, size, response, octave, class_id) 的每一个元素吗？至于描述符，它是一个直方图，或者一个 int 数组。所以即使你把它保存为int，这个值也是可以的。