Question

我想在图像中使用先前检测到的ORB特征位置，使用较早确定的位置提取其他图像中的ORB描述符，从而绕过检测器。

我似乎无法对检测到的要处理的功能进行深层检查，然后再传回以生成新的描述符。

使用原始未触及的f1关键点生成im_y图像的描述符
运行检测器两次以确定重复显然确实有效，但有点黑客，我想对原始特征点进行一些处理。
我在OS X上通过macports运行Python 2.7.6，Opencv 2.4.8，10.8.5

代码：

from matplotlib import pyplot as plt
import copy as cp
import cv2

im_x = cv2.imread('stinkbug1.png', 0)
im_y = cv2.imread('stinkbug2.png', 0)

orb = cv2.ORB()

# Keypoint detection in first image
f1 = orb.detect(im_x, None)
f1, d1 = orb.compute(im_x, f1)

# Make a copy of the orginal key points
f2 = cp.deepcopy(f1)

# Magic processing here

# Get descriptors from second y image using the detected points from the x image
f2, d2 = orb.compute(im_y, f2)

# f2 and d2 are now an empty list and a <NoneType>

Answer 1

显然，deepcopy不适用于KeyPoint。由于功能f1只是KeyPoint的列表，因此您可以手动复制关键点列表：

def features_deepcopy (f):
    return [cv2.KeyPoint(x = k.pt[0], y = k.pt[1], 
            _size = k.size, _angle = k.angle, 
            _response = k.response, _octave = k.octave, 
            _class_id = k.class_id) for k in f]

f2 = features_deepcopy(f1)

我希望这会有所帮助; - ）

克里斯托弗

Python中opencv2 ORB数据结构的深层副本

1 个答案: