理論

在前一節(jié)，我們看到了SIFT來做關(guān)鍵點(diǎn)檢測和描述，但是它相對(duì)來說比較慢，人們需要更快的版本。在2006， 三個(gè)人，Bay，H.，Tuytelaars,T.和Van Gool, L, 發(fā)表了另一篇論文“SURF: Speeded Up Robust Features”介紹了一個(gè)新的算法叫SURF，名字中可以知道，他是加速版的SIFT。

SURF用盒子過濾器來近似LoG，下面的圖演示了這種近似。一個(gè)很大的好處是用盒子過濾器卷積可以很容易的計(jì)算，還可以在不同尺度并行計(jì)算。SURF在尺度和位置上依賴Hessian矩陣的決定。

OpenCV里的SURF

OpenCV提供了SURF函數(shù)，你用一些可選條件，比如64/128-維的描述來初始化一個(gè)SURF對(duì)象，然后做SIFT，我們可以使用SURF.detect()， SURF.compute()來找關(guān)鍵點(diǎn)和描述。

首先我們會(huì)看到一個(gè)簡單的demo

>>> img = cv2.imread('fly.png',0)

# Create SURF object. You can specify params here or later.
# Here I set Hessian Threshold to 400
>>> surf = cv2.SURF(400)

# Find keypoints and descriptors directly
>>> kp, des = surf.detectAndCompute(img,None)

>>> len(kp)
699

1199個(gè)關(guān)鍵點(diǎn)太多，我們減少到50好畫他們，當(dāng)匹配時(shí)我們需要所有的特征，所以我們提高Hessian閾值。

# Check present Hessian threshold
>>> print surf.hessianThreshold
400.0

# We set it to some 50000. Remember, it is just for representing in picture.
# In actual cases, it is better to have a value 300-500
>>> surf.hessianThreshold = 50000

# Again compute keypoints and check its number.
>>> kp, des = surf.detectAndCompute(img,None)

>>> print len(kp)
47

這比50少了，我們畫出它來

>>>img2=cv2.drawKeypoints(img,kp,None,(255,0,0),4)

>>>plt.imshow(img2),plt.show()

現(xiàn)在使用U-SURF.

# Check upright flag, if it False, set it to True
>>> print surf.upright
False

>>> surf.upright = True

# Recompute the feature points and draw it
>>> kp = surf.detect(img,None)
>>> img2 = cv2.drawKeypoints(img,kp,None,(255,0,0),4)

>>> plt.imshow(img2),plt.show()

看下面的結(jié)果，所有的方向都一樣了，這比前面的更快，如果你遇到的是不太關(guān)心方向的，這就更好。

最后我們檢查描述的大小，如果是64維的話就把它變成128。

# Find size of descriptor
>>> print surf.descriptorSize()
64

# That means flag, "extended" is False.
>>> surf.extended
False

# So we make it to True to get 128-dim descriptors.
>>> surf.extended = True
>>> kp, des = surf.detectAndCompute(img,None)
>>> print surf.descriptorSize()
128
>>> print des.shape
(47, 128)