Si está utilizando openCV 3, este código puede ser útil
$ python
>>> importar cv2
>>> imagen = cv2.imread ("test_image.jpg")
>>> gris = cv2.cvtColor (imagen, cv2.COLOR_BGR2GRAY)
>>> sift = cv2.xfeatures2d.SIFT_create ()
>>> (kps, descs) = sift.detectAndCompute (gris, Ninguno)
>>> print ("# kps: {}, descriptores: {}". format (len (kps), descs.shape))
# kps: 274, descriptores: (274, 128)
>>> surf = cv2.xfeatures2d.SURF_create ()
>>> (kps, descs) = surf.detectAndCompute (gris, Ninguno)
>>> print ("# kps: {}, descriptores: {}". format (len (kps), descs.shape))
# kps: 393, descriptores: (393, 64)
Para obtener más información sobre cómo implementar Sift y Surf en openCV, le sugiero que consulte los documentos de CV abiertos, especialmente la parte en la que hablan sobre la localización de detectores de puntos clave.
Consulte también este enlace que proporciono a continuación.
- ¿Cómo se puede utilizar el aprendizaje profundo TensorFlow para la detección de anomalías?
- En una explicación intuitiva, ¿cómo puedo calcular formas primarias y duales en SVM?
- ¿Cuál es mejor LMS o descenso más empinado?
- ¿Las implementaciones físicas de las redes neuronales son claramente preferibles a las GPU?
- ¿Cómo es tomar CS 228: modelo gráfico probabilístico en Stanford?
[1] Python OpenCV SIFT & SURF Descriptores de imagen.
Notas al pie
[1] ¿A dónde fueron SIFT y SURF en OpenCV 3? – PyImageSearch
