Python / OpenCV如何處理.yml文件中的大量SIFT功能？

Question

我正在使用OpenCv，並使用yaml來存儲SIFT關鍵點和描述符。 我有一個1659張圖片（.jpg，每張圖片約95 KB）的數據庫。 對於每個圖像，我創建了一個帶有關鍵點和描述符的.yml文件。 現在，對於一幅圖像，我最終得到了700個關鍵點和描述符，結果得到了一個大約文件。 4MB，我想避免使用二進制文件。
我的問題是：

• 我如何知道特征數量是否足以容納圖像？
• 有什么方法可以控制功能數量？ 例如，為SIFT設置閾值？
• 現在，使用cv2.FileStorage.write將numpy矩陣存儲到yamil文件中，OpenCv用16個有效數字（例如1.9705572128295898e + 00）寫入每個數字。 如果我減少有效數字是否有問題？ 例如到4？

Answer 1

1. 我如何知道特征數量是否足以容納圖像？

它必須取決於您的圖像和任務要求。 您應該比其他人了解更多，或者做一些實驗來弄清楚。

2. 有什么方法可以控制功能數量？

當然。 創建時，只需傳遞必要的參數。

cv2.xfeatures2d.SIFT_create([, nfeatures[, nOctaveLayers[, contrastThreshold[, edgeThreshold[, sigma]]]]]) -> retval
 | . @param nfeatures The number of best features to retain. The features are ranked by their scores
 | . (measured in SIFT algorithm as the local contrast)
 | .
 | . @param nOctaveLayers The number of layers in each octave. 3 is the value used in D. Lowe paper. 
 | . The number of octaves is computed automatically from the image resolution.
 | .
 | . @param contrastThreshold The contrast threshold used to filter out weak features in semi-uniform
 | . (low-contrast) regions. The larger the threshold, the less features are produced by the detector.
 | .
 | . @param edgeThreshold The threshold used to filter out edge-like features. Note that the its meaning
 | . is different from the contrastThreshold, i.e. the larger the edgeThreshold, the less features are
 | . filtered out (more features are retained).
 | .
 | . @param sigma The sigma of the Gaussian applied to the input image at the octave \#0. If your image
 | . is captured with a weak camera with soft lenses, you might want to reduce the number.
 |

例如，我創建了一個具有50個關鍵點和3層的篩選檢測器：

sift = cv2.xfeatures2d.SIFT_create(nfeatures = 50, nOctaveLayers=3)

這是檢測結果：

3. 太長。 我知道您在OpenCV-Python中將大量關鍵點和描述符存儲為.yml格式。

好的，當您有大數據要存儲時， .yml真的有幫助？ 是真的很合理嗎？您真的需要每個keypoint (points2f, size, response, octave, class_id)元素keypoint (points2f, size, response, octave, class_id) 。 對於描述符，它是直方圖或int數組。 因此，即使將其保存為int，該值也沒問題。