0x00 - 应用目的
笔者使用OpenCV主要目的是暂时完成图像的配准与融合，所以主要用到OpenCV中SURF、SIFT、ORB等工具，搭建时主要遇到的问题：
-
OpenCV3.0+依赖拆分函数迁移问题 -
CMake使用流程不熟悉 -
Python引入OpenCV不完整
0x01 - Python 默认安装
使用Python时习惯使用pip对需要的包进行安装，所以在初次配置OpenCV时直接执行了下述命令：
pip install opencv-python
安装完成后可以正常引入cv2并完成图像读取显示，但无法使用特征提取函数，使用时报错：
AttributeErrorTraceback (most recent call last)
<ipython-input-5-a409304a8e5d> in <module>()
----> 2 surf = cv2.xfeatures2d.SURF_create(300)
AttributeError: 'module' object has no attribute 'xfeatures2d'
产生该错误原因是OpenCV 3.0+中将部分功能分离成了一个新的库：opencv-contrib，SURF和SIFT属于扩展库中的功能，而默认库中则只包含了表现更好的ORB。
0x02 - OpenCV Contrib 安装
按照广大网友指示应先卸载opencv-python后重新安装opencv-contrib-python，即
pip uninstall opencv-python
pip install opencv-contrib-python # Permission denied 的话可以加上 --user
不知道大家尝试结果如何，反正我是失败了：依然无法使用SURF_create
0x03 - CMake 重新编译
除pip安装依赖形式添加OpenCV外，直接从OpenCV官网上下载源码也可以完成依赖添加：
- 下载已编译好的源码并解压（官网提供exe运行本质也是解压）
- 在
解压目录/opencv/build/python/2.7/x64下可以找到cv2.pyd文件 - 将
cv2.pyd拷贝至$PYTHON_HOME/Lib/site-packages目录下即可
当然这样拷贝出的和pip安装的区别不大，以同样方法将bin和lib添加进VS工程也会出现无法找到nonfree和legacy的问题，想要解决只能使用CMake重新编译OpenCV(C++的话顺路还能加上Nonfree)。
0x04 - 重新编译OpenCV
准备工具：
- OpenCV + OpenCV Contrib（此处使用Git-master-2018/9/19）
- CMake 3.12.2
- Virtual Studio 2013
编译流程：
- 打开
CMake/bin/cmake-gui.exe，选择源文件路径及输出路径（可新建） - 执行左下方
Configure，选择对应版本编译工具（此处选择了Virtual Studio 12 2013 Win64） - 重复执行
Configure直到结束后没有被标记为红色的选项 - 搜索
PATH，在OPENCV_EXTRA_MODULES_PATH项中填入opencv-contrib的modules路径
(如需Nonfree支持可搜索OPENCV_ENABLE_NONFREE选项并勾选) - 重复执行
Configure直到结束后没有被标记为红色的选项 - 执行左下方
Generate - 完成
CMake部分编译
此时的输出路径中是没有我们需要的依赖文件的！无法配置路径或者拷贝cv2.pyd并不是编译失败...我们还需要进入VS2013中进行正式的编译：
- 打开输出路径中的
OpenCV.sln，设置ALL_BUILD为启动项（默认） - 选择对应版本（如 Release x64）
- 编译生成解决方案（或直接运行）
在VS2013中完成编译后才可以重新配置路径或拷贝cv2.pyd，配置完成后重新运行脚本，功能顺利实现。
0xFF - About ORB
ORB: Oriented FAST and Rotated BRIEF, An efficient alternative to SIFT and SURF and NOT PATENTED.
ORB is basically a fusion of FAST keypoint detector and BRIEF descriptor with many modifications to enhance the performance. First it use FAST to find keypoints, then apply Harris corner measure to find top N points among them. It also use pyramid to produce multiscale-features. But one problem is that, FAST doesn’t compute the orientation. So what about rotation invariance? Authors came up with following modification. [Get all theory here]
ORB in OpenCV :
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('simple.jpg',0)
# Initiate STAR detector
orb = cv2.ORB()
# find the keypoints with ORB
kp = orb.detect(img,None)
# compute the descriptors with ORB
kp, des = orb.compute(img, kp)
# draw only keypoints location,not size and orientation
img2 = cv2.drawKeypoints(img,kp,color=(0,255,0), flags=0)
plt.imshow(img2),plt.show()
Additional Resources:
Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary R. Bradski: ORB: An efficient alternative to SIFT or SURF. ICCV 2011: 2564-2571.
我们的822，我们的青春
欢迎所有热爱知识热爱生活的朋友和822实验室一起成长，吃喝玩乐，享受知识。
