如何在OpenCV中的特征提取过程中忽略部分图像？

Question

我正在尝试从矩形图像中提取特征。但是我想忽略图像的某​​些部分，因此不会从图像中的这些区域中提取任何特征。我可以想到两种方法。

a）从整个图像中获取要素，并使用关键点丢弃忽略区域内的要素。但是这种方法并不是首选方法，因为我对从图像中提取的最大特征数量进行了限制，并且稍后在获得恒定数量的特征时不会丢弃。

b）使图像部分的像素为零。但我认为SIFT / ORB或其他特征提取算法可能会将其检测为黑色矩形，并在此黑化框的边缘部分错误地创建特征。虽然对此不太确定。

有人可以确认问题陈述的最佳方法吗？

Answer 1

您有两种方法可以检测图像选定部分的功能。

方法1：

选择投资回报率。该方法的缺点是计算的特征点将具有ROI的坐标。例如，如果您的图片尺寸为width = 400, height = 400，则选择带有调光x=0, y=0, width=100, height=100的投影机，关键点将根据投资回报率调暗设置坐标。您必须手动将它们映射回原始图像大小。

img = cv2.imread("image.jpg", -1)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# select and ROI with user specified dimensions
roi = gray[50:150,50:150]

sift = cv2.xfeatures2d.SIFT_create()

kp = sift.detect(roi)

img=cv2.drawKeypoints(roi,kp,img)

方法2：

为筛选特征检测器方法提供掩码。掩码必须是单个通道，无符号字符图像。

img = cv2.imread("image.jpg", -1)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# create a mask image filled with zeros, the size of original image
mask = np.zeros(img.shape[:2], dtype=np.uint8)

# draw your selected ROI on the mask image
cv2.rectangle(mask, (50,50), (150,150), (255), thickness = -1)

sift = cv2.xfeatures2d.SIFT_create()

# provide mask to the detect method
kp = sift.detect(gray,mask)

img=cv2.drawKeypoints(gray,kp,img)

Answer 2

这取决于你拥有多少个地区。对于相对较少的区域，您可以使用ROI（感兴趣的区域）

https://www.learnopencv.com/how-to-select-a-bounding-box-roi-in-opencv-cpp-python/

您可以定义矩形区域并计算每个区域的要素。