如何使用OpenCV的ORB算法提取并过滤仅保留水平方向的特征点？-Python教程-PHP中文网

如何使用opencv的orb算法提取并过滤仅保留水平方向的特征点？

OpenCV ORB特征提取及水平方向特征点过滤详解

本文详细阐述如何利用OpenCV的ORB (Oriented FAST and Rotated BRIEF)算法提取图像特征点，并进一步过滤，仅保留水平方向的特征点。我们将基于代码示例，讲解如何实现这一目标。

示例代码已完成ORB特征点提取和匹配：它使用cv.ORB_create()创建ORB对象，并通过detectAndCompute()函数计算两张图片("cat.png"和"smallcat.png")的ORB特征点和描述符。随后，利用暴力匹配器cv.BFMatcher_create()进行特征点匹配，并显示匹配结果。

然而，代码缺失特征点过滤步骤。为了仅保留水平方向特征点，需在detectAndCompute()之后添加过滤逻辑。这可以通过分析每个特征点的方向信息实现。ORB算法计算的特征点包含方向信息，可通过访问kpCat和kpSmallCat中的angle属性获取。

具体实现：

ReRoom AI

专为室内设计打造的AI渲染工具，可以将模型图、平面图、草图、照片转换为高质量设计效果图。

下载

在计算特征点和描述符后，添加循环遍历所有特征点，根据角度信息进行过滤。角度接近0度或180度的特征点视为水平方向特征点。设置角度阈值，例如，若特征点角度与0度或180度的差值小于阈值（例如15度），则保留；否则过滤。

修改后的代码示例（阈值需根据实际情况调整）：

import sys
import cv2 as cv
import numpy as np

def main_func():
    imgCat = cv.imread("cat.png")
    imgSmallCat = cv.imread("smallCat.png")

    orb = cv.ORB_create()

    kpCat, desCat = orb.detectAndCompute(imgCat, None)
    kpSmallCat, desSmallCat = orb.detectAndCompute(imgSmallCat, None)

    # 特征点过滤
    filtered_kpCat = []
    filtered_desCat = []
    angle_threshold = 15
    for kp, des in zip(kpCat, desCat):
        angle = kp.angle
        if abs(angle) < angle_threshold or abs(abs(angle) - 180) < angle_threshold:
            filtered_kpCat.append(kp)
            filtered_desCat.append(des)

    filtered_kpSmallCat = []
    filtered_desSmallCat = []
    for kp, des in zip(kpSmallCat, desSmallCat):
        angle = kp.angle
        if abs(angle) < angle_threshold or abs(abs(angle) - 180) < angle_threshold:
            filtered_kpSmallCat.append(kp)
            filtered_desSmallCat.append(des)

    filtered_desCat = np.array(filtered_desCat)
    filtered_desSmallCat = np.array(filtered_desSmallCat)

    # ... (后续匹配代码，使用 filtered_kpCat, filtered_desCat, filtered_kpSmallCat, filtered_desSmallCat) ...

这段代码遍历特征点，根据角度阈值过滤非水平方向特征点。过滤后的描述符转换为NumPy数组以供BFMatcher使用。通过此方法，即可实现ORB特征点过滤，仅保留水平方向特征点。实际应用中，需根据图像特性调整角度阈值。