OpenCV中SIFT特征识别算法的简单小例子

#coding=utf-8
#注意如果脚本中要使用中文，则需要指明编码格式
import cv2
import numpy as np
#imread('图片路径')
img = cv2.imread('wife.jpg')
# 转为灰度图
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 构造一个sift对象，应该还可以用cv2.xfeatures2d.SURF
sift = cv2.xfeatures2d.SIFT_create()
#检测出关键点
kp = sift.detect(gray,None)
# 绘制关键点
# cv2.drawKeypoints(image, keypoints[, outImage[, color[, flags]]])
img = cv2.drawKeypoints(gray, kp, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imwrite('sift_keypoints.jpg',img)
cv2.imshow('sift_keypoints.jpg', img)

jupyter notebook中代码如上，图片放在与脚本同一路径下

感谢

https://docs.opencv.org/3.1.0/da/df5/tutorial_py_sift_intro.html

https://blog.csdn.net/a19990412/article/details/80933680

https://stackoverflow.com/questions/52305578/sift-cv2-xfeatures2d-sift-create-not-working-even-though-have-contrib-instal

提供了代码思路和解决方法，如果报error可先看看是否是这几个链接中的错误

图片结果

自己的Q&A

Q：为什么要转为灰度图？

A：识别物体，最关键的因素是梯度，很多特征提取算法本质还是计算梯度，而计算梯度，自然就用到灰度图像了。颜色易受到光照等因素的影响，对某些算法和需求来说颜色难以提供关键信息，会造成干扰，故舍弃。