python下利用opencv提取surf特征并保存

一、算法背景介绍

Lowe于2000年提出了SIFT算法，并于2004年加以完善和改进，SIFT特征对图像旋转、平移、缩放、亮度变化能够保持良好的不变性，且其独特性好，信息量较为丰富，得到了广泛的应用，但其提取计算量较大，效率较低，因此Bay等人提出了SURF算法，在保证特征点数量的情况下，提高了效率。
SURF算法首先构建Hessian矩阵，然后构建尺度空间(SIFT算法则使用DOG)，其在构建图像金字塔时原始图像大小保持不变，只改变滤波器大小，然后精确定位特征点并确定其主方向，最后生成特征点描述子。
此外，SURF算法得到的特征向量维度为64，而SIFT得到的是128维向量。

二、实现代码

下述代码计算images_folder文件夹下的所有图片的SURF特征，然后将图片与特征向量其保存到指定文件夹

#-*-coding:utf-8-*-
import cv2
import numpy as np
from sklearn.cluster import KMeans
import sys
import os

path = sys.path[0] + os.sep

def feature_extract(images_folder, draw_folder):
    featureSum = 0
    for filename in os.listdir(images_folder):
        if '.jpg' in filename:
            filepath + images_folder + filename
            drawpath = draw_folder + filename  
        else:
            continue  
        img = cv2.imread(filepath)
        filename = filepath.split(os.sep)[-1].split('.')[0]
        gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
        # set Hessian threshold
        detector = cv2.xfeatures2d.SURF_create(2000)
        # find keypoints and descriptors directly
        kps, des = detector.detectAndCompute(gray, None)
        img = cv2.drawKeypoints(image=img, outImage=img, keypoints=kps, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS, color=(255, 0, 0))
        feature_name = images_folder + 'features%s%s.feature'%(os.sep, filename)
        try:
            np.savetxt(feature_name, des, fmt='%.5e') # 保存特征向量
            # feature = np.loadtxt(feature_folder + filename) # 加载特征向量
            # cv2.imwrite(drawpath, img) # 保存绘制了SURF特征的图片
        except:
            continue
        featureSum += len(kps)
    print featureSum

def main():
    images_folder = path + 'images' + os.sep
    draw_folder = path + 'results' + os.sep + 'drawImages' + os.sep
    feature_extract(images_folder, draw_folder)

以上，欢迎交流～