У меня немного запутанная ситуация при использовании дескрипторов SIFT реализация от OpenCV.OpenCV (C++) с использованием дескрипторов SIFT увеличивает количество обнаруженных функций?
Я пытаюсь протестировать различные методы определения детектора признаков + дескриптора, поэтому я использую сочетание интерфейсов cv::FeatureDetector
и cv::DescriptorExtractor
, которые позволяют мне просто переключаться между различными методами детектирования и дескрипторами.
При вызове cv::DescriptorExtractor::compute(...)
(вариант для одного изображения), документация говорит, что это возможно для ряда ключевых точек, данные алгоритма снижения, если невозможно вычислить их дескрипторы, и я понимаю, как и почему это делается.
Но, что со мной происходит, так это то, что количество ключевых точек после вычислений дескриптора на самом деле увеличивается. Это явно так, и я не пытаюсь остановить его, я просто надеюсь на объяснение, почему (просто интуитивное описание было бы круто, хотя я ценю что-то большее).
У меня есть слои на слоях обертки вокруг фактического OpenCV, у которых нет кода (только настройка некоторых локальных флагов без OpenCV), так что вот код OpenCV, который вызывается в нижней части всего этого :
cv::Ptr<cv::FeatureDetector> dect = cv::FeatureDetector::create("MSER");
cv::Mat input = cv::imread("someImg.ppm", 0);
std::vector<cv::KeyPoint> keypoints;
dect->detect(input, keypoints);
cv::Ptr<cv::DescriptorExtractor>deEx=cv::DescriptorCalculator::create("SIFT");
std::cout << "before computing, feats size " << keypoints.size() << std::endl;
// code to print out 10 features
cv::Mat desc;
deEx->compute(input, keypoints, desc);
std::cout << "after computing, feats size " << keypoints.size() << std::endl;
// code to print out 10 features
Я распечатал первые 10 ключевых точек до и после расчетов дескрипторов, так что здесь какие-то конкретные цифры в качестве примера:
before computing, feats size 379
feat[0]: 10.7584 39.9262 176.526 0 12.5396
feat[1]: 48.2209 207.904 275.091 0 11.1319
feat[2]: 160.894 313.781 170.278 0 9.63786
feat[3]: 166.061 239.115 158.33 0 19.5027
feat[4]: 150.043 233.088 171.887 0 11.9569
feat[5]: 262.323 322.173 188.103 0 8.65429
feat[6]: 189.501 183.462 177.396 0 12.3069
feat[7]: 218.135 253.027 171.763 0 123.069
feat[8]: 234.508 353.236 173.281 0 11.8375
feat[9]: 234.404 394.079 176.23 0 8.99652
after computing, feats size 463
feat[0]: 10.7584 39.9262 13.1313 0 12.5396
feat[1]: 48.2209 207.904 69.0472 0 11.1319
feat[2]: 48.2209 207.904 107.438 0 11.1319
feat[3]: 160.894 313.781 9.57937 0 9.63786
feat[4]: 166.061 239.115 166.144 0 19.5027
feat[5]: 150.043 233.088 78.8696 0 11.9569
feat[6]: 262.323 322.173 167.259 0 8.65429
feat[7]: 189.501 183.462 -1.49394 0 12.3069
feat[8]: 218.135 253.027 -117.067 3 123.069
feat[9]: 218.135 253.027 7.44055 3 123.069
я могу видеть из этого примера, оригинал feat[1]
и feat[7]
охватили в двух новых ключевых точек каждый, но я не вижу никакого логического объяснения метода compute
сделать это :(
распечатке я дал здесь с помощью MSER для выявления ключевых точек, и затем пытается вычислить просеять дескрипторы, но то же самое увеличение размера также происходит с сТАР, SURF и просеять (т.е. DoG). Я не пытался изменить дескриптор SIFT на что-то еще, но если кто-то подумает, что он имеет отношение к вопросу, я попробую его и отредактирую его в моем вопросе.
Вы можете добавить часть кода, который используете? Полезно знать параметры. – Alex
Ух ... Я на самом деле делаю обертки вокруг обертки для кода OpenCV, но я попытаюсь выкопать фактические 5 строк кода, которые выполняют всю работу под всем этим и редактируют его. – penelope