使用SIFT在OpenCV中检测关键点

Question

我在OpenCV中检测到图像的关键点时遇到问题。 如果我有一个SIFT探测器，当它检测到一个图像时，它会检索1000个关键点，但如果我将图像分成两个＆＃34;子图像＆＃34;，并且foreach SIFT检测到关键点，则总和不是1000，但是减。 对我来说，总关键点数量可能不同但不会太多！ 感谢

Answer 1

这不是一个真正的问题，但显然问题的核心是：

  

为什么分离的两个图像具有不同数量的SIFT关键点（通常更少），而不是它们连接成一个图像？

基本答案是功能可能很大，并且可以靠近两个子图像的边界。如果它们被拆分，则这些功能不再存在。实际上，不应期望SIFT产生相同数量的关键点。如果你认为特征严格地作为角落，那么肯定---你应该得到大致相同的数量。但有些功能可以通过渐变，粗糙＆＃34; blob＆＃34;等来分割图像轻松切割，因此拆分图像可以删除这些功能，并且可以类似地复制其他功能。

您通常可以通过仅检查两个子图像边界内的特征来验证这一点。如果删除靠近图像边缘的要素，并仅检查组合图像的相同空间中的要素，则应在两者中看到相似数量的要素。

想象一下，如果您将图像分割到极端的过程。图像中通常有一个批次的SIFT关键点。如果你将它分解为大量的2x2图像，你认为你得到的关键点数量是否相同？当然不是，因为2x2图像没有足够的信息来重建与完整图像相同的所有特征。