KAZE記述子
SIFTやSURFでは、DoG画像をベースに特徴点を検出している。
KAZEでは、AOS(additive operator splitting)と可変コンダクタンス拡散（variable conductance diffusion, VCD)を採用し、重要な特徴を残したままノイズ除去し、スケール不変性を得ている。
論文
Python+OpenCV
import cv2
img = cv2.imread('haruna_kankore.png')
kaze = cv2.KAZE_create()
kp = kaze.detect(img)
img_kaze = cv2.drawKeypoints(img, kp, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imwrite('img_kaze.png', img_kaze)
結果
元画像
KAZE記述子
プログラム+α
特徴点のマッチング
import cv2
img1 = cv2.imread("haruna_kankore.png")
img2 = cv2.imread("haruna_kankore_temp.png")
kaze = cv2.KAZE_create()
kp1, des1 = kaze.detectAndCompute(img1, None)
kp2, des2 = kaze.detectAndCompute(img2, None)
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1, des2, k=2)
good = []
for m, n in matches:
if m.distance < 0.2 * n.distance:
good.append([m])
img_kaze = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good, None, flags=2)
cv2.imwrite('img_kaze.png', img_kaze)
KAZE記述子
参考
Python+OpenCV|SIFT特徴量...betashort-lab.com2018.10.29
Python+OpenCV|SURF特徴量...betashort-lab.com2018.10.29
