我正在尝试从矩形图像中提取特征。但是我想忽略图像的某些部分，这样就不会从图像内部的这些区域中提取任何特征。我可以想到两种方法。
a) 从整个图像中获取特征并使用关键点丢弃位于忽略区域内的特征。但这种方法不是首选，因为我已经限制了要从图像中提取的最大特征数量，稍后丢弃将无助于获得恒定数量的特征。
b) 使图像那部分的像素为 numpy 零。但我认为 SIFT/ORB 或其他特征提取算法可能会将其检测为黑色矩形，并在这个黑化框的边缘部分错误地创建特征。虽然对此不确定。
有人可以确认问题陈述的最佳方法吗？
最佳答案
您有两种方法可以检测图像选定部分的特征。
方法一:
通过选择 ROI。这种方法的缺点是计算出的特征点会有ROI的坐标。例如，如果您有尺寸为 width = 400, height = 400 的图像, 你选择一个带有暗淡 x=0, y=0, width=100, height=100 的 ROI ，关键点将根据 ROI dims 具有坐标。您必须手动将它们映射回原始图像大小。
img = cv2.imread("image.jpg", -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# select and ROI with user specified dimensions
roi = gray[50:150,50:150]
sift = cv2.xfeatures2d.SIFT_create()
kp = sift.detect(roi)
img=cv2.drawKeypoints(roi,kp,img)
方法二:
为筛选特征检测器方法提供掩码。掩码必须是单 channel 、无符号字符图像。
img = cv2.imread("image.jpg", -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# create a mask image filled with zeros, the size of original image
mask = np.zeros(img.shape[:2], dtype=np.uint8)
# draw your selected ROI on the mask image
cv2.rectangle(mask, (50,50), (150,150), (255), thickness = -1)
sift = cv2.xfeatures2d.SIFT_create()
# provide mask to the detect method
kp = sift.detect(gray,mask)
img=cv2.drawKeypoints(gray,kp,img)
关于python - 如何在 OpenCV 的特征提取过程中忽略图像的一部分？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46447073/