Ptr SIFT::create

Ptr<SIFT> SIFT::create(int nfeatures = 0,int nOctaveLayers = 3,double contrastThreshold = 0.04,double edgeThreshold = 10,double sigma = 1.6 
);参数说明：nfeatures：类型：int默认值：0描述：要保留的最大关键点数量。如果设置为 0 或负数，则不对关键点数量进行限制。nOctaveLayers：类型：int默认值：3描述：每个八度（octave）中的尺度层数量。这决定了金字塔每一层生成多少个尺度空间图像。更多的层意味着更精细的尺度变化检测。contrastThreshold：类型：double默认值：0.04描述：对比度阈值。只有当关键点的主曲率比这个阈值大时才会被保留。较高的值会减少检测到的关键点数量，但提高稳定性。较低的值则相反。edgeThreshold：类型：double默认值：10描述：边缘响应阈值。用于过滤掉那些位于边缘上的不稳定关键点。具体来说，它控制了Hessian矩阵两个特征值的比例。较小的值会导致更多的边缘点被保留，而较大的值则会更加严格地排除这些点。sigma：类型：double默认值：1.6描述：应用于初始图像的高斯模糊标准差。这是构建尺度空间金字塔的第一步，用来确保在不同尺度下的一致性。

示例

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp> // 包含了OpenCV扩展功能模块，如SIFT等高级特征检测算法
#include <iostream>using namespace cv;
using namespace std;
using namespace cv::xfeatures2d; // 使用cv::xfeatures2d命名空间以访问SIFT类int main(int argc, char** argv) {// 加载灰度图像Mat src = imread("D:/vcprojects/images/test.png", IMREAD_GRAYSCALE);if (src.empty()) { // 检查是否成功加载图像printf("could not load image...\n");return -1;}namedWindow("input image", CV_WINDOW_AUTOSIZE); // 创建一个窗口用于显示输入图像imshow("input image", src); // 显示输入图像// SIFT特征检测初始化int numFeatures = 400; // 设置SIFT算法要检测的最大特征点数量Ptr<SIFT> detector = SIFT::create(numFeatures); // 创建SIFT特征检测器实例vector<KeyPoint> keypoints; // 定义一个向量用于存储检测到的关键点detector->detect(src, keypoints, Mat()); // 在源图像中检测关键点，不使用掩码printf("Total KeyPoints : %d\n", keypoints.size()); // 打印检测到的总关键点数// 绘制关键点到图像Mat keypoint_img;drawKeypoints(src, keypoints, keypoint_img, Scalar::all(-1), DrawMatchesFlags::DEFAULT); // 绘制关键点，默认颜色，显示大小和方向namedWindow("SIFT KeyPoints", CV_WINDOW_AUTOSIZE); // 创建一个窗口用于显示带有关键点的图像imshow("SIFT KeyPoints", keypoint_img); // 显示带有关键点的图像waitKey(0); // 等待按键事件return 0;
}