Python中opencv2 ORB数据结构的深度副本

我想使用图像中先前检测到的ORB特征位置来提取其他图像中的ORB描述符，使用先前确定的位置，从而绕过检测器

我似乎无法获得检测到的特性的深度副本来处理，然后再传回生成新的描述符

使用原始未接触的

f1

关键点为

im\u y

图像生成描述符

运行两次检测器来确定重复的特征点显然是可行的，但是有点麻烦，我想对原始特征点进行一些处理

我正在通过OS X上的macports 10.8.5运行Python 2.7.6和Opencv 2.4.8

代码：

从matplotlib导入pyplot作为plt
作为cp导入副本
进口cv2
im_x=cv2.imread（'bugg1.png'，0）
im_y=cv2.imread（'bung2.png'，0）
orb=cv2.orb（）
#第一幅图像中的关键点检测
f1=天体探测（im_x，无）
f1，d1=orb.compute（im_x，f1）
#复制原始关键点
f2=cp.deepcopy（f1）
#这里有魔法处理
#使用x图像中检测到的点从第二个y图像中获取描述符
f2，d2=orb.compute（im_y，f2）
#f2和d2现在是空列表和

显然，deepcopy在KeyPoint上不起作用。由于要素f1只是关键点列表，因此可以手动复制关键点列表：

def features_deepcopy (f):
    return [cv2.KeyPoint(x = k.pt[0], y = k.pt[1], 
            _size = k.size, _angle = k.angle, 
            _response = k.response, _octave = k.octave, 
            _class_id = k.class_id) for k in f]

f2 = features_deepcopy(f1)

我希望这会有所帮助；-）

Christophe

另一种方法（我认为更优雅的方法）是为cv2.KeyPoint（）注册一个“pickling”函数，如在

def features_deepcopy (f):
    return [cv2.KeyPoint(x = k.pt[0], y = k.pt[1], 
            _size = k.size, _angle = k.angle, 
            _response = k.response, _octave = k.octave, 
            _class_id = k.class_id) for k in f]

f2 = features_deepcopy(f1)