概述

       在opencv的features2d中實現了SIFT和SURF演算法，可以用於影象特徵點的自動檢測。具體實現是採用SurfFeatureDetector/SiftFeatureDetector類的detect函式檢測SURF/SIFT特徵的關鍵點，並儲存在vector容器中，最後使用drawKeypoints函式繪製出特徵點。

       實驗所用環境是opencv2.4.0+vs2008+win7，測試圖片是：

SURF特徵點檢測

實驗程式碼如下。這裡需要注意SurfFeatureDetector是包含在opencv2/nonfree/features2d.hpp中，所以應該include這個標頭檔案，並且在“專案屬性->連結器->輸入->附加依賴項”中加入庫檔案：opencv_nonfree240d.lib。

1. /** 
2. * @SURF特徵點檢測並繪製特徵點 
3. * @author holybin 
4. */
5. #include <stdio.h>
6. #include <iostream>
7. #include "opencv2/core/core.hpp"
8. #include "opencv2/highgui/highgui.hpp"
9. //#include "opencv2/features2d/features2d.hpp"
10. #include "opencv2/nonfree/features2d.hpp"   //SurfFeatureDetector實際在該標頭檔案中
11. usingnamespace cv;  
12. usingnamespace std;  
13. int main( int argc, char** argv )  
14. {  
15.     Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );  
16.     //Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );
17.     if( !src.data )  
18.     {  
19.         cout<< " --(!) Error reading images "<<endl;  
20.         return -1;  
21.     }  
22.     //1--初始化SURF檢測運算元
23.     int minHessian = 400;  
24.     SurfFeatureDetector detector( minHessian );  
25.     //2--使用SURF運算元檢測特徵點
26.     vector<KeyPoint> keypoints;  
27.     detector.detect( src, keypoints );  
28.     //3--繪製特徵點
29.     Mat keypointImg;  
30.     drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );  
31.     imshow("SURF keypoints", keypointImg );  
32.     cout<<"keypoint number: "<<keypoints.size()<<endl;  
33.     waitKey(0);  
34.     return 0;  
35. }  

/**
* @SURF特徵點檢測並繪製特徵點
* @author holybin
*/

#include <stdio.h>
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
//#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/features2d.hpp"	//SurfFeatureDetector實際在該標頭檔案中
using namespace cv;
using namespace std;

int main( int argc, char** argv )
{
	Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );
	//Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );

	if( !src.data )
	{
		cout<< " --(!) Error reading images "<<endl;
		return -1;
	}

	//1--初始化SURF檢測運算元
	int minHessian = 400;
	SurfFeatureDetector detector( minHessian );

	//2--使用SURF運算元檢測特徵點
	vector<KeyPoint> keypoints;
	detector.detect( src, keypoints );

	//3--繪製特徵點
	Mat keypointImg;
	drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );
	imshow("SURF keypoints", keypointImg );
	cout<<"keypoint number: "<<keypoints.size()<<endl;

	waitKey(0);
	return 0;
}

檢測結果：

SIFT特徵點檢測

同樣的，使用SIFT特徵描述子進行特徵點檢測的過程類似，只不過換成了SiftFeatureDetector類，實驗程式碼如下：

1. /** 
2. * @SIFT特徵點檢測並繪製特徵點 
3. * @author holybin 
4. */
5. #include <stdio.h>
6. #include <iostream>
7. #include "opencv2/core/core.hpp"
8. #include "opencv2/highgui/highgui.hpp"
9. //#include "opencv2/features2d/features2d.hpp"
10. #include "opencv2/nonfree/features2d.hpp"   //SiftFeatureDetector實際在該標頭檔案中
11. usingnamespace cv;  
12. usingnamespace std;  
13. int main( int argc, char** argv )  
14. {  
15.     Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );  
16.     //Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );
17.     if( !src.data )  
18.     {  
19.         cout<< " --(!) Error reading images "<<endl;  
20.         return -1;  
21.     }  
22.     //1--初始化SIFT檢測運算元
23.     //int minHessian = 400;
24.     SiftFeatureDetector detector;//( minHessian );
25.     //2--使用SIFT運算元檢測特徵點
26.     vector<KeyPoint> keypoints;  
27.     detector.detect( src, keypoints );  
28.     //3--繪製特徵點
29.     Mat keypointImg;  
30.     drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );  
31.     imshow("SIFT keypoints", keypointImg );  
32.     cout<<"keypoint number: "<<keypoints.size()<<endl;  
33.     waitKey(0);  
34.     return 0;  
35. }  

/**
* @SIFT特徵點檢測並繪製特徵點
* @author holybin
*/

#include <stdio.h>
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
//#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/features2d.hpp"	//SiftFeatureDetector實際在該標頭檔案中
using namespace cv;
using namespace std;

int main( int argc, char** argv )
{
	Mat src = imread( "D:\\opencv_pic\\cat3d120.jpg", 0 );
	//Mat src = imread( "D:\\opencv_pic\\cat0.jpg", 0 );

	if( !src.data )
	{
		cout<< " --(!) Error reading images "<<endl;
		return -1;
	}

	//1--初始化SIFT檢測運算元
	//int minHessian = 400;
	SiftFeatureDetector detector;//( minHessian );

	//2--使用SIFT運算元檢測特徵點
	vector<KeyPoint> keypoints;
	detector.detect( src, keypoints );

	//3--繪製特徵點
	Mat keypointImg;
	drawKeypoints( src, keypoints, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT );
	imshow("SIFT keypoints", keypointImg );
	cout<<"keypoint number: "<<keypoints.size()<<endl;

	waitKey(0);
	return 0;
}

從檢測結果可以看出，SURF運算元檢測到的特徵點遠遠多於SIFT運算元，至於檢測的精確度如何，後面試試利用SIFT和SURF運算元進行特徵點匹配來區分。