Opencv 关于使用SURF的对象识别和特征的混淆

在理解SURF和SIFT算法时，我有一些概念问题。据我所知，SURF找到了高斯的拉普拉斯算子，SIFT对高斯的差分进行运算。然后围绕它构造一个64变量向量来提取特征。我已经应用了这个

（Q1）那么，这些功能是由什么构成的呢

（Q2）我们使用SurfFeatureDetector（500）初始化算法。那么，这是否意味着特征空间的大小是500

（Q3）SURF Good_Matches的输出给出了Keypoint1和Keypoint2之间的匹配，通过调整匹配数量，我们可以得出是否找到/检测到对象的结论。什么是关键点？这些存储功能吗

（Q4）我需要做物体识别应用。在代码中，似乎该算法可以识别书。因此，它可以应用于目标识别。我的印象是SURF可以根据颜色和形状来区分物体。但是，SURF和SIFT都能找到角点边缘检测，因此将彩色图像转换为灰度图像作为训练样本是没有意义的。在这些算法中没有使用颜色或HSV的选项，除非我分别计算每个通道的关键点，这是一个不同的研究领域（）

那么，我如何根据物体的颜色、形状来检测和识别它们呢？我想我可以使用SURF根据物体的形状来区分它们。比如说，我有两本书和一瓶酒。我只需要从整个对象中识别出一本书。但是，只要场景中有其他形状相似的对象，SURF就会给出很多误报。我将感谢您对我的申请方法的建议

局部最大值（狗的响应大于（小于）金字塔中点、上部和爱人图像周围相邻像素的响应——3x3x3邻域）形成特征（圆）中心的坐标。圆的半径是金字塔的水平面

这是海森门槛。这意味着您将只接受值大于阈值的最大值（参见1）。阈值越大，特征数量越少，但特征的稳定性越好，反之亦然

关键点==特征。在OpenCV中

不，SURF适用于纹理对象的比较，但不适用于形状和颜色。对于形状，我建议使用MSER（但不是OpenCV），Canny边缘检测器，而不是局部特征。可能有用

---

[这][1]帖子肯定会对你有所帮助[1]：哪个z？首先，一切都由特征检测器完成。第二，冲浪特征是面向圆的。它有参数：x，y，比例（半径），角度（方向）。：很抱歉再次打扰你，但我有一些怀疑冒出来。（1） 你提到的（x，y）-这些是特征的x，y坐标还是像素的坐标？（2）根据文档，特征集是一个64维向量。但是，你提到它由4个变量组成？我仍然怀疑是什么构成了这些特性。如果你能详细说明你的答案，这将非常有帮助。像素的坐标。2.您混合了两种东西-特征（它是定向圆==几何形状，不是在图像中，而是在某种选择中）和特征描述符（它是64-d向量，描述图像面片，在所提到的圆内）