如何在 opencv 中对词袋使用 SIFT 特征?
how to use SIFT features for bag of words in opencv?
我已经阅读了很多关于在对图像进行筛选特征后实现词袋的文章,但我仍然对下一步该做什么感到困惑。我具体做什么?
非常感谢您的指导。
这是我目前的代码。
cv::Mat mat_img = cropped.clone();
Mat grayForML;
cvtColor(mat_img, grayForML, CV_BGR2GRAY);
IplImage grayImageForML = grayForML.operator IplImage();
//create another copy of iplGray
IplImage *input = cvCloneImage(&grayImageForML);
Mat matInput = cvarrToMat(input);
// Mat matInput = copy_gray.clone();
cv::SiftFeatureDetector detector;
std::vector<cv::KeyPoint> keyPoints;
detector.detect(input, keyPoints);
//add results to image and save.
cv::Mat output;
cv::drawKeypoints(input, keyPoints, output); //SIFT OUTPUT RESULT
//resize and display
cv::Mat output_reduced;
cv::resize(output, output_reduced, cv::Size2i(output.cols / 2, output.rows / 2));
imshow("SIFT result", output_reduced);
词袋系统的训练过程如下:
- 计算训练集中每张图片的特征
- 聚类这些特征
- 用在该簇中具有特征的图像标记每个簇
此时训练已经完成,您可以开始进行如下测试:
- 计算测试图像的特征
- 对于每个特征,找到最近的聚类
- 为属于该集群的每个训练图像添加一个标记
- 对测试图像的所有特征重复
- 刻度数最高的图像是最佳匹配,刻度数第二高的图像是次佳匹配,依此类推
如您所见,使用 SIFT 没有任何限制。您可以尝试不同的特征提取器和描述符。
我已经阅读了很多关于在对图像进行筛选特征后实现词袋的文章,但我仍然对下一步该做什么感到困惑。我具体做什么?
非常感谢您的指导。
这是我目前的代码。
cv::Mat mat_img = cropped.clone();
Mat grayForML;
cvtColor(mat_img, grayForML, CV_BGR2GRAY);
IplImage grayImageForML = grayForML.operator IplImage();
//create another copy of iplGray
IplImage *input = cvCloneImage(&grayImageForML);
Mat matInput = cvarrToMat(input);
// Mat matInput = copy_gray.clone();
cv::SiftFeatureDetector detector;
std::vector<cv::KeyPoint> keyPoints;
detector.detect(input, keyPoints);
//add results to image and save.
cv::Mat output;
cv::drawKeypoints(input, keyPoints, output); //SIFT OUTPUT RESULT
//resize and display
cv::Mat output_reduced;
cv::resize(output, output_reduced, cv::Size2i(output.cols / 2, output.rows / 2));
imshow("SIFT result", output_reduced);
词袋系统的训练过程如下:
- 计算训练集中每张图片的特征
- 聚类这些特征
- 用在该簇中具有特征的图像标记每个簇
此时训练已经完成,您可以开始进行如下测试:
- 计算测试图像的特征
- 对于每个特征,找到最近的聚类
- 为属于该集群的每个训练图像添加一个标记
- 对测试图像的所有特征重复
- 刻度数最高的图像是最佳匹配,刻度数第二高的图像是次佳匹配,依此类推
如您所见,使用 SIFT 没有任何限制。您可以尝试不同的特征提取器和描述符。