OpenCV开发教程之特征提取
一、什么是特征提取？
在计算机视觉中，特征就是图像中独特、稳定、容易被识别的点 / 区域（比如角点、边缘、纹理）。
特征提取 = 从图片里找到这些 “关键标记”，用于：
- 图像匹配
- 目标检测
- 图像拼接
- 人脸识别
- SLAM、AR/VR
二、OpenCV 最常用的 3 种特征提取算法
- Harris 角点检测（最基础，找角点）
- SIFT 特征（最经典，尺度不变）
- ORB 特征（最快，免费开源，工业常用）
三、三种算法对比
| 算法 | 速度 | 效果 | 是否免费 | 适用场景 |
|---|---|---|---|---|
| Harris | 极快 | 一般 | 免费 | 简单角点检测 |
| SIFT | 慢 | 极好 | 专利收费 | 高精度匹配 |
| ORB | 最快 | 优秀 | 免费 | 实时项目、工业级 |
import cv2
# 1. 读取图片 + 转灰度
img = cv2.imread("./cv.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
# 2. Harris角点检测
dst = cv2.cornerHarris(gray, 2, 3, 0.04)
# 3. 膨胀让角点更明显
dst = cv2.dilate(dst, None)
# 4. 标记角点（红色）
img[dst > 0.01 * dst.max()] = [0, 0, 255]
# 5. 显示结果
cv2.imshow("Harris角点", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果如图：
import cv2
img = cv2.imread("./cv.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 1. 创建SIFT检测器
sift = cv2.SIFT_create()
# 2. 检测关键点 + 计算描述子
kp, des = sift.detectAndCompute(gray, None)
# 3. 绘制特征点
img = cv2.drawKeypoints(img, kp, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
# 4. 显示
cv2.imshow("SIFT特征", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果如图：
import cv2
img = cv2.imread("./cv.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 1. 创建ORB检测器
orb = cv2.ORB_create(nfeatures=500)
# 2. 检测 + 计算
kp, des = orb.detectAndCompute(gray, None)
# 3. 绘制特征点
img2 = cv2.drawKeypoints(img, kp, None, (0,255,0), 2)
# 4. 显示
cv2.imshow("ORB特征", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果如图：
goodFeaturesToTrack = OpenCV 专门用来找图像中 “质量最好的特征点” 的函数。
它是Harris 角点检测的升级版，自动过滤掉差的点，只保留清晰、稳定、好用的角点 / 特征点。
代码如下：
import cv2
#特征提取
image = cv2.imread('./cv.png')
print(image.shape)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# cv2.imshow("Gray", gray)
corners = cv2.goodFeaturesToTrack(gray, 500, 0.1, 10) #10表示10个像素距离
for corner in corners:
x, y = corner.ravel()
# print(x, y)
cv2.circle(image, (int(x), int(y)), 3, (255, 0, 255), -1)
cv2.imshow("corners", image)
# 等待按键输入
cv2.waitKey()
备注：
corners = cv2.goodFeaturesToTrack( image, # 输入：灰度图
maxCorners, # 最多找多少个点
qualityLevel, # 质量阈值（0.01~0.1）
minDistance, # 点之间最小距离，防止扎堆
corners=None, mask=None, blockSize=None, useHarrisDetector=None, k=None )
关键参数解释（超级简单）
- maxCorners：最多返回多少个特征点（例如 100）
- qualityLevel：质量阈值，越小点越多，一般写 0.01 或 0.05
- minDistance：点之间最小距离，避免点挤在一起
- useHarrisDetector：是否用 Harris 算法（默认 False，使用 Shi-Tomasi 算法，效果更好）
效果截图如下：
全部评论