Как получить прямоугольник вокруг целевого объекта, используя функции, извлеченные SIFT в OpenCV

Question

Я делаю проект в OpenCV по обнаружению объекта, который состоит из сопоставления объекта в шаблонном изображении с эталонным изображением.Используя алгоритм SIFT, объекты точно обнаруживаются и сопоставляются, но я хочу, чтобы вокруг сопоставленных объектов был прямоугольник Мой алгоритм использует метод KD-Tree est ean First для получения совпадений

Answer 1

Если вам нужен прямоугольник вокруг обнаруженного объекта, здесь у вас есть пример кода именно с этим. Вам просто нужно нарисовать прямоугольник вокруг омографии H.

Надеюсь, это поможет. Удачи.

Answer 2

Я использую следующий код, адаптированный из алгоритма SURF в OpenCV (modules / features2d / src / surf.cpp), чтобы извлечь окружение ключевой точки.

Помимо других примеров, основанных на прямоугольниках и области интереса, этот код возвращает патч, правильно ориентированный в соответствии с ориентацией и масштабом, определенными алгоритмом обнаружения объектов (оба доступны в структуре KeyPoint).

Пример результатов обнаружения на нескольких разных изображениях:

const int PATCH_SZ = 20;
Mat extractKeyPoint(const Mat& image, KeyPoint kp)
{
    int x = (int)kp.pt.x;
    int y = (int)kp.pt.y;
    float size = kp.size;
    float angle = kp.angle;

    int win_size = (int)((PATCH_SZ+1)*size*1.2f/9.0);
    Mat win(win_size, win_size, CV_8UC3);

    float descriptor_dir = angle * (CV_PI/180);
    float sin_dir = sin(descriptor_dir);
    float cos_dir = cos(descriptor_dir);
    float win_offset = -(float)(win_size-1)/2;
    float start_x = x + win_offset*cos_dir + win_offset*sin_dir;
    float start_y = y - win_offset*sin_dir + win_offset*cos_dir;
    uchar* WIN = win.data;
    uchar* IMG = image.data;
    for( int i = 0; i < win_size; i++, start_x += sin_dir, start_y += cos_dir )
    {
        float pixel_x = start_x;
        float pixel_y = start_y;
        for( int j = 0; j < win_size; j++, pixel_x += cos_dir, pixel_y -= sin_dir )
        {
            int x = std::min(std::max(cvRound(pixel_x), 0), image.cols-1);
            int y = std::min(std::max(cvRound(pixel_y), 0), image.rows-1);
            for (int c=0; c<3; c++) {
                WIN[i*win_size*3 + j*3 + c] = IMG[y*image.step1() + x*3 + c];
            }
        }
    }
    return win;
}

Я не уверен, что шкала полностью в порядке, но она взята из источника SURF, и результаты выглядят актуально для меня.