OpenCv-C++-KAZE(AKAZE)局部特征检测（一）

KAZE与AKAZE都是OpenCv中集成的API算法，AKAZE是KAZE的加速版本（A表示Accelerated(加速的)）。且AKAZE的执行效率要优于KAZE。
与SURF和SIFT不同(基于线性)，KAZE(AKAZE)是基于非线性插值的方法，这一点在图像处理方面来说确实比SURF和SIFT要好，毕竟图像大多是不连续的。

KAZE(AKAZE)基本步骤与介绍：
1、AOS构造尺度空间；------非线性方法构造，SURF与SIFT基于线性方法构造。
2、Hessian矩阵特征点检测；
3、方向基于一阶微分图像；------图像的旋转不变性（旋转角度）。
4、描述子生成。---------归一化处理。

与SIFT和SURF的比较：
1、更加稳定；
2、非线性尺度空间；
3、AKAZE比KAZE素的更快；
4、比较新的算法。

话不多说，上代码（KAZE）：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>using namespace cv;
using namespace std;Mat src;
int main(int argc, char** argv)
{src = imread("D:/test/girl.png", IMREAD_GRAYSCALE);if (!src.data){printf("图片未找到...");return -1;}imshow("input title", src);double t1 = getTickCount();//检测特征点(非线性)Ptr<KAZE>detector = KAZE::create();vector<KeyPoint> keypoints;detector->detect(src, keypoints, Mat());double t2 = getTickCount();double t = (t2 - t1) * 1000 / getTickFrequency();//结果转化为毫秒printf("特征点寻找所花费时间(ms):%f",t);//绘制特征点Mat keypointsImg;//drawKeypoints(src, keypoints, keypointsImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT);//DrawMatchesFlags::DEFAULT与0是等价的drawKeypoints(src, keypoints, keypointsImg, Scalar::all(-1), 0);imshow("KAZE keypoints result", keypointsImg);waitKey(0);return 0;}

KAZE的运行结果与检测时间：
1、运行结果：

花费时间：

可以看到，花费时间有点长，大概2秒左右。

其实AKAZE的代码跟KAZE几乎完全一样，只是改了Ptr<KAZE>detector = KAZE::create();而已。
只需将上面代码改成如下样子即可：Ptr<AKAZE>detector = AKAZE::create();

接下来放上AKAZE的代码：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>using namespace cv;
using namespace std;Mat src;
int main(int argc, char** argv)
{src = imread("D:/test/girl.png", IMREAD_GRAYSCALE);if (!src.data){printf("图片未找到...");return -1;}imshow("input title", src);double t1 = getTickCount();//检测特征点(非线性)Ptr<AKAZE>detector = AKAZE::create();vector<KeyPoint> keypoints;detector->detect(src, keypoints, Mat());double t2 = getTickCount();double t = (t2 - t1) * 1000 / getTickFrequency();//结果转化为毫秒printf("特征点寻找所花费时间(ms):%f",t);//绘制特征点Mat keypointsImg;//drawKeypoints(src, keypoints, keypointsImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT);//DrawMatchesFlags::DEFAULT与0是等价的drawKeypoints(src, keypoints, keypointsImg, Scalar::all(-1), 0);imshow("AKAZE keypoints result", keypointsImg);waitKey(0);return 0;}

AKAZE的运行结果与检测时间：
1、运行结果：

花费时间:

AKAZE与KAZE比较，时间上几乎少了很多，运行效率大大提高，所以说AKAZE是KAZE的加速版这一说法确实正确。

OpenCv-C++-KAZE(AKAZE)局部特征检测（一）相关推荐

基于C++和OpenCv的SIFT_图像局部特征检测算法代码的实现
SIFT:尺度不变特征变换匹配算法详解本章将要讲解的内容如下所示: 1)SIFT算法的简介 2)SIFT算法的实现细节 3)SIFT算法的应用领域 4)SIFT算法的改进与扩 ...
OpenCV + CPP 系列（卌二）图像特征匹配（ KAZE/AKAZE）
文章目录一.KAZE简介二.代码演示特征检测效果对比演示匹配一.KAZE简介 ECCV2012中出现了一种比SIFT更稳定的特征检测算法KAZE ([1]).KAZE的取名是为了纪念尺度空间 ...
OpenCv-C++-KAZE(AKAZE)局部特征匹配（二）
上一篇已经做出了KAZE(AKAZE)局部特征的检测,就差匹配没有做到. 那么,现在来实现一下: 放上代码: #include<opencv2/opencv.hpp> #include&l ...
Python，OpenCV中的非局部均值去噪（Non-Local Means Denoising）
Python,OpenCV中的非局部均值去噪(Non-Local Means Denoising) 1. 效果图 2. 原理 3. 源码 2.1 单彩色图去噪 2.2 多连续彩色帧去噪参考这篇博客 ...
python opencv 彩色图非局部平均去噪
python opencv 彩色图非局部平均去噪代码: import cv2 import numpy as np # 灰度图像去噪 def MeansDenoising(img,N,h,templ ...
python opencv 灰度图非局部平均去噪
python opencv 灰度图非局部平均去噪代码: import cv2 import numpy as np # 灰度图像去噪 def MeansDenoising(img,h,templat ...
OpenCV实战——多尺度FAST特征检测
OpenCV实战--多尺度FAST特征检测 0. 前言 1. BRISK 特征检测器 1.1 BRISK 检测关键点 1.2 多尺度关键点快速检测 2. ORB 特征检测算法 3. 完整代码相关链接 ...
OpenCV基础（23）特征检测与匹配
图像的8x8像素部分被考虑,并将这个 8x8 框进一步划分为 4 个块,每个块为 4x4 维度.在每个 4x4 块内,图像梯度以向量的形式表示.通过搜索最独特或不同的特征在图像中找到关键点.这里,Ke ...
（OpenCV+Python）--图片局部区域像素值处理（改进版）
上一个版本看这里:<Python+OpenCV实现[图片]局部区域像素值处理> 上个版本的代码虽然实现了我需要的功能,但还是走了很多弯路,我意识到图片本就是数组形式,对于8位灰度图,通道数 ...

OpenCv-C++-KAZE(AKAZE)局部特征检测（一）

OpenCv-C++-KAZE(AKAZE)局部特征检测（一）相关推荐

最新文章

热门文章