opencv函数提取图片的sift特征并显示（python）

介绍

【SIFT特征生成的过程】：

1. 构建尺度空间，检测极值点，获得尺度不变性：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。
2. 特征点过滤并进行精确定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。
3. 为特征点分配方向值：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。
4. 生成特征描述子：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。

代码

import cv2 as cv

img = cv.imread(r"te.jpg")
cv.imshow("original",img)
gray = cv.cvtColor(img,cv.COLOR_RGB2GRAY)

sift = cv.xfeatures2d.SIFT_create()
keypoints, descriptor = sift.detectAndCompute(gray,None)

cv.drawKeypoints(image = img,
                  outImage = img,
                  keypoints = keypoints,
                  color = (51,163,236))
cv.imshow("SIFT",img)

cv.waitKey(0)
cv.destroyAllWindows()

示例