特徴検出と記述

詳細説明

クラス
struct	cv::Accumulator< T >
struct	cv::Accumulator< char >
struct	cv::Accumulator< short >
struct	cv::Accumulator< unsigned char >
struct	cv::Accumulator< unsigned short >
class	cv::AffineFeature
	検出器および抽出器をアフィン不変にするラッパーを実装するためのクラス。[321] で ASIFT として説明されている。 続き...
class	cv::ALIKED
	ALIKED 特徴検出器および記述子抽出器。 続き...
class	cv::DISK
	DNN モデルに基づく DISK 特徴検出器および記述子。 続き...
class	cv::FastFeatureDetector
	FAST 法を用いた特徴検出のためのラッパークラス。 続き...
class	cv::Feature2D
	2D画像特徴検出器および記述子抽出器のための抽象基底クラス。 続きを読む...
class	cv::GFTTDetector
	goodFeaturesToTrack関数を用いた特徴検出のためのラッパークラス。: 続きを読む...
class	cv::KeyPointsFilter
	キーポイントのベクトルをフィルタリングするクラス。 続きを読む...
struct	cv::L1< T >
struct	cv::L2< T >
class	cv::MSER
	最大安定極値領域 (MSER) 抽出器。 続きを読む...
class	cv::ORB
	ORB (oriented BRIEF) キーポイント検出器および記述子抽出器を実装したクラス。 続きを読む...
class	cv::SIFT
	D. Lowe による Scale Invariant Feature Transform (SIFT) アルゴリズム [180] を用いて、キーポイントの抽出と記述子の計算を行うクラス。 続き...
class	cv::SimpleBlobDetector
	画像からブロブを抽出するためのクラス。: 続きを読む...
struct	cv::SL2< T >

型定義
typedef AffineFeature	cv::AffineDescriptorExtractor
typedef AffineFeature	cv::AffineFeatureDetector
typedef Feature2D	cv::DescriptorExtractor
typedef Feature2D	cv::FeatureDetector
typedef SIFT	cv::SiftDescriptorExtractor
typedef SIFT	cv::SiftFeatureDetector

関数
void	cv::computeRecallPrecisionCurve (const std::vector< std::vector< DMatch > > &matches1to2, const std::vector< std::vector< uchar > > &correctMatches1to2Mask, std::vector< Point2f > &recallPrecisionCurve)
void	cv::evaluateFeatureDetector (const Mat &img1, const Mat &img2, const Mat &H1to2, std::vector< KeyPoint > *keypoints1, std::vector< KeyPoint > *keypoints2, float &repeatability, int &correspCount, const Ptr< FeatureDetector > &fdetector=Ptr< FeatureDetector >())
void	cv::FAST (InputArray image, std::vector< KeyPoint > &keypoints, int threshold, bool nonmaxSuppression=true, FastFeatureDetector::DetectorType type=FastFeatureDetector::TYPE_9_16)
	FASTアルゴリズムを用いてコーナーを検出する。
int	cv::getNearestPoint (const std::vector< Point2f > &recallPrecisionCurve, float l_precision)
float	cv::getRecall (const std::vector< Point2f > &recallPrecisionCurve, float l_precision)
void	cv::goodFeaturesToTrack (InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask, int blockSize, int gradientSize, bool useHarrisDetector=false, double k=0.04)
void	cv::goodFeaturesToTrack (InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask, OutputArray cornersQuality, int blockSize=3, int gradientSize=3, bool useHarrisDetector=false, double k=0.04)
	上と同じだが、検出されたコーナーの品質指標も返す。
void	cv::goodFeaturesToTrack (InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask=noArray(), int blockSize=3, bool useHarrisDetector=false, double k=0.04)
	画像上の強いコーナーを決定する。

型定義詳解

AffineDescriptorExtractor

typedef AffineFeature cv::AffineDescriptorExtractor

#include <opencv2/features.hpp>

AffineFeatureDetector

typedef AffineFeature cv::AffineFeatureDetector

#include <opencv2/features.hpp>

DescriptorExtractor

typedef Feature2D cv::DescriptorExtractor

#include <opencv2/features.hpp>

OpenCVのキーポイント記述子の抽出器には共通インターフェースを持つラッパーがあり、同じ問題を解くさまざまなアルゴリズムを簡単に切り替えられる。このセクションは、多次元空間内のベクトルとして表現される記述子の計算に充てられている。ベクトル記述子の抽出器を実装するすべてのオブジェクトは、DescriptorExtractor インターフェースを継承する。

FeatureDetector

typedef Feature2D cv::FeatureDetector

#include <opencv2/features.hpp>

OpenCVの特徴検出器には共通インターフェースを持つラッパーがあり、同じ問題を解くさまざまなアルゴリズムを簡単に切り替えられる。キーポイント検出器を実装するすべてのオブジェクトは、FeatureDetector インターフェースを継承する。

SiftDescriptorExtractor

typedef SIFT cv::SiftDescriptorExtractor

#include <opencv2/features.hpp>

SiftFeatureDetector

typedef SIFT cv::SiftFeatureDetector

#include <opencv2/features.hpp>

関数詳解

computeRecallPrecisionCurve()

void cv::computeRecallPrecisionCurve	(	const std::vector< std::vector< DMatch > > &	matches1to2,
		const std::vector< std::vector< uchar > > &	correctMatches1to2Mask,
		std::vector< Point2f > &	recallPrecisionCurve )

#include <opencv2/features.hpp>

evaluateFeatureDetector()

void cv::evaluateFeatureDetector	(	const Mat &	img1,
		const Mat &	img2,
		const Mat &	H1to2,
		std::vector< KeyPoint > *	keypoints1,
		std::vector< KeyPoint > *	keypoints2,
		float &	repeatability,
		int &	correspCount,
		const Ptr< FeatureDetector > &	fdetector = Ptr< FeatureDetector >() )

#include <opencv2/features.hpp>

FAST()

void cv::FAST	(	InputArray	image,
		std::vector< KeyPoint > &	keypoints,
		int	threshold,
		bool	nonmaxSuppression = true,
		FastFeatureDetector::DetectorType	type = FastFeatureDetector::TYPE_9_16 )

#include <opencv2/features.hpp>

FASTアルゴリズムを使用してコーナーを検出する。

引数

image	キーポイント（コーナー）を検出する対象のグレースケール画像。
keypoints	画像上で検出されたキーポイント。
threshold	中心ピクセルと、その周囲の円上のピクセルとの強度差に対するしきい値。
nonmaxSuppression	true の場合、検出されたキーポイント（コーナー）に対して非最大抑制が適用される。
type	論文で定義されている3つの近傍のうちの1つ: FastFeatureDetector::TYPE_9_16, FastFeatureDetector::TYPE_7_12, FastFeatureDetector::TYPE_5_8

[236] によるFASTアルゴリズムを用いてコーナーを検出する。

詳細については 対応するチュートリアル を参照。

getNearestPoint()

int cv::getNearestPoint	(	const std::vector< Point2f > &	recallPrecisionCurve,
		float	l_precision )

#include <opencv2/features.hpp>

getRecall()

float cv::getRecall	(	const std::vector< Point2f > &	recallPrecisionCurve,
		float	l_precision )

#include <opencv2/features.hpp>

goodFeaturesToTrack() [1/3]

void cv::goodFeaturesToTrack	(	InputArray	image,
		OutputArray	corners,
		int	maxCorners,
		double	qualityLevel,
		double	minDistance,
		InputArray	mask,
		int	blockSize,
		int	gradientSize,
		bool	useHarrisDetector = false,
		double	k = 0.04 )

Python:
	cv.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]]	) ->	corners
	cv.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance, mask, blockSize, gradientSize[, corners[, useHarrisDetector[, k]]]	) ->	corners
	cv.goodFeaturesToTrackWithQuality(	image, maxCorners, qualityLevel, minDistance, mask[, corners[, cornersQuality[, blockSize[, gradientSize[, useHarrisDetector[, k]]]]]]	) ->	corners, cornersQuality

#include <opencv2/features.hpp>

goodFeaturesToTrack() [2/3]

void cv::goodFeaturesToTrack	(	InputArray	image,
		OutputArray	corners,
		int	maxCorners,
		double	qualityLevel,
		double	minDistance,
		InputArray	mask,
		OutputArray	cornersQuality,
		int	blockSize = 3,
		int	gradientSize = 3,
		bool	useHarrisDetector = false,
		double	k = 0.04 )

Python:
	cv.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]]	) ->	corners
	cv.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance, mask, blockSize, gradientSize[, corners[, useHarrisDetector[, k]]]	) ->	corners
	cv.goodFeaturesToTrackWithQuality(	image, maxCorners, qualityLevel, minDistance, mask[, corners[, cornersQuality[, blockSize[, gradientSize[, useHarrisDetector[, k]]]]]]	) ->	corners, cornersQuality

#include <opencv2/features.hpp>

上記と同じだが、検出されたコーナーの品質指標も返す。

引数

image	8ビットまたは浮動小数点32ビットのシングルチャンネル入力画像。
corners	検出されたコーナーの出力ベクトル。
maxCorners	返すコーナーの最大数。見つかったコーナーがこの数より多い場合、最も強いものが返される。maxCorners <= 0 は最大数に上限を設けないことを意味し、検出されたすべてのコーナーが返される。
qualityLevel	画像のコーナーの最低許容品質を特徴づける引数。この引数値は最良のコーナー品質尺度（最小固有値（cornerMinEigenVal を参照）または Harris 関数の応答（cornerHarris を参照））に乗算される。品質尺度がこの積より小さいコーナーは棄却される。例えば、最良のコーナーの品質尺度が1500で qualityLevel=0.01 の場合、品質尺度が15未満のすべてのコーナーが棄却される。
minDistance	返されるコーナー間の最小ユークリッド距離。
mask	対象領域 (ROI)。画像が空でない場合（型は CV_8UC1 で image と同じサイズである必要がある）、コーナーを検出する領域を指定する。
cornersQuality	検出されたコーナーの品質指標の出力ベクトル。
blockSize	各ピクセル近傍にわたって微分共変行列を計算するための平均化ブロックのサイズ。cornerEigenValsAndVecs を参照。
gradientSize	微分計算に使用するSobel演算子の開口パラメータ。cornerEigenValsAndVecs を参照。
useHarrisDetector	Harris 検出器（cornerHarris を参照）を使うか、cornerMinEigenVal を使うかを示す引数。
k	Harris 検出器の自由パラメータ。

goodFeaturesToTrack() [3/3]

void cv::goodFeaturesToTrack	(	InputArray	image,
		OutputArray	corners,
		int	maxCorners,
		double	qualityLevel,
		double	minDistance,
		InputArray	mask = noArray(),
		int	blockSize = 3,
		bool	useHarrisDetector = false,
		double	k = 0.04 )

Python:
	cv.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]]	) ->	corners
	cv.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance, mask, blockSize, gradientSize[, corners[, useHarrisDetector[, k]]]	) ->	corners
	cv.goodFeaturesToTrackWithQuality(	image, maxCorners, qualityLevel, minDistance, mask[, corners[, cornersQuality[, blockSize[, gradientSize[, useHarrisDetector[, k]]]]]]	) ->	corners, cornersQuality

#include <opencv2/features.hpp>

画像上の強いコーナーを決定する。

この関数は、[254] に記載されているように、画像または指定された画像領域の中で最も顕著なコーナーを見つける

• 関数は cornerMinEigenVal または cornerHarris を用いて、ソース画像の各ピクセルでコーナー品質尺度を計算する。
• 関数は非最大抑制を行う（3 x 3 近傍内の局所最大値が保持される）。
• 最小固有値が \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) 未満のコーナーは棄却される。
• 残りのコーナーは品質尺度の降順でソートされる。
• 関数は、maxDistance より近い距離により強いコーナーが存在する各コーナーを破棄する。

この関数は、オブジェクトの点ベースのトラッカーを初期化するために使える。

覚え書き

引数 qualityLevel の異なる値 A と B（A > B）で関数を呼び出した場合、qualityLevel=A で返されるコーナーのベクトルは、qualityLevel=B での出力ベクトルの先頭部分（プレフィックス）となる。

引数

image	8ビットまたは浮動小数点32ビットのシングルチャンネル入力画像。
corners	検出されたコーナーの出力ベクトル。
maxCorners	返すコーナーの最大数。見つかったコーナーがこの数より多い場合、最も強いものが返される。maxCorners <= 0 は最大数に上限を設けないことを意味し、検出されたすべてのコーナーが返される。
qualityLevel	画像のコーナーの最低許容品質を特徴づける引数。この引数値は最良のコーナー品質尺度（最小固有値（cornerMinEigenVal を参照）または Harris 関数の応答（cornerHarris を参照））に乗算される。品質尺度がこの積より小さいコーナーは棄却される。例えば、最良のコーナーの品質尺度が1500で qualityLevel=0.01 の場合、品質尺度が15未満のすべてのコーナーが棄却される。
minDistance	返されるコーナー間の最小ユークリッド距離。
mask	省略可能な関心領域 (ROI)。画像が空でない場合（型が CV_8UC1 で image と同じサイズである必要がある）、コーナーを検出する領域を指定する。
blockSize	各ピクセル近傍にわたって微分共変行列を計算するための平均化ブロックのサイズ。cornerEigenValsAndVecs を参照。
useHarrisDetector	Harris 検出器（cornerHarris を参照）を使うか、cornerMinEigenVal を使うかを示す引数。
k	Harris 検出器の自由パラメータ。

参照

cornerMinEigenVal, cornerHarris, calcOpticalFlowPyrLK, estimateRigidTransform,