[57] 3) 특징점 기술자

• 기술자(Descriptor, feature vector)
  • 특징점 근방의 부분 영상을 표현하는 실수 또는 이진 벡터
  • OpenCV에서는 2차원 행렬(numpy.ndarray)로 표현
    • 행 개수: 특징점 개수
    • 열 개수: 특징점 기술자 알고리즘에 의해 정의됨
    • 실수 기술자: numpy.float32
    • 이진 기술자: numpy.uint8

 

• 실수 기술자
  • 주로 특징점 부근 부분 영상의 방향 히스토그램을 사용

 

• 이진 기술자(Binary descriptor)
  • 이진 테스트(Binary test)를 이용하여 부분 영상의 특징을 기술

 

• 특징점 기술자 계산 함수

cv2.Feature2D.compute(image,keypoints,descriptor=None) -> keypoints,descriptors

 • image: 입력 영상
 • keypoints: 검출된 특징점 정보 . cv2.KeyPoint 객체의 리스트
 • descriptors: 특징점 기술자 행렬

 

• 특징점 검출 및 기술자 계산 함수

cv2.Feature2D.detectAndCompute(image,mask=None,descriptors=None) -> keypoints,descriptors

 • image: 입력 영상
 • mask: 마스크 영상
 • keypoints: 검출된 특징점 정보 . cv2.KeyPoint 객체의 리스트
 • descriptors: 특징점 기술자 행렬

 

• 특정점 기술자 계산 예제

import sys
import numpy as np
import cv2


# 영상 불러오기
src1 = cv2.imread('graf1.png', cv2.IMREAD_GRAYSCALE)
src2 = cv2.imread('graf3.png', cv2.IMREAD_GRAYSCALE)

if src1 is None or src2 is None:
    print('Image load failed!')
    sys.exit()

# 특징점 알고리즘 객체 생성 (KAZE, AKAZE, ORB 등)
feature = cv2.KAZE_create()
#feature = cv2.AKAZE_create()
#feature = cv2.ORB_create()

# 특징점 검출 및 기술자 계산
kp1=feature.detect(src1)
_,desc1=feature.compute(src1,kp1)

kp2,desc2=feature.detectAndCompute(src2,None)

print('decs1.shape:',desc1.shape)
print('decs1.dtype:',desc1.dtype)
print('decs2.shape:',desc2.shape)
print('decs2.dtype:',desc2.dtype)

# 검출된 특징점 출력 영상 생성
dst1=cv2.drawKeypoints(src1,kp1,None,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
dst2=cv2.drawKeypoints(src2,kp2,None,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

cv2.imshow('dst1',dst1)
cv2.imshow('dst2',dst2)
cv2.waitKey()
cv2.destroyAllWindows()

 

• OpenCV 주요 특징점 알고리즘과 기술자 특성

 

• 특징점 검출 알고리즘 성능 비교
  • 연산시간 비교