OpenCV ORB特征提取及水平方向特征点过滤详解
本文详细阐述如何利用OpenCV的ORB (Oriented FAST and Rotated BRIEF)算法提取图像特征点，并进一步过滤，仅保留水平方向的特征点。 我们将基于代码示例，讲解如何实现这一目标。
示例代码已完成ORB特征点提取和匹配：它使用cv.ORB_create()创建ORB对象，并通过detectAndCompute()函数计算两张图片("cat.png"和"smallcat.png")的ORB特征点和描述符。 随后，利用暴力匹配器cv.BFMatcher_create()进行特征点匹配，并显示匹配结果。
然而，代码缺失特征点过滤步骤。为了仅保留水平方向特征点，需在detectAndCompute()之后添加过滤逻辑。这可以通过分析每个特征点的方向信息实现。ORB算法计算的特征点包含方向信息，可通过访问kpCat和kpSmallCat中的angle属性获取。
具体实现：
在计算特征点和描述符后，添加循环遍历所有特征点，根据角度信息进行过滤。角度接近0度或180度的特征点视为水平方向特征点。设置角度阈值，例如，若特征点角度与0度或180度的差值小于阈值（例如15度），则保留；否则过滤。
修改后的代码示例（阈值需根据实际情况调整）：
import sys
import cv2 as cv
import numpy as np
def main_func():
imgCat = cv.imread("cat.png")
imgSmallCat = cv.imread("smallCat.png")
orb = cv.ORB_create()
kpCat, desCat = orb.detectAndCompute(imgCat, None)
kpSmallCat, desSmallCat = orb.detectAndCompute(imgSmallCat, None)
# 特征点过滤
filtered_kpCat = []
filtered_desCat = []
angle_threshold = 15
for kp, des in zip(kpCat, desCat):
angle = kp.angle
if abs(angle) < angle_threshold or abs(abs(angle) - 180) < angle_threshold:
filtered_kpCat.append(kp)
filtered_desCat.append(des)
filtered_kpSmallCat = []
filtered_desSmallCat = []
for kp, des in zip(kpSmallCat, desSmallCat):
angle = kp.angle
if abs(angle) < angle_threshold or abs(abs(angle) - 180) < angle_threshold:
filtered_kpSmallCat.append(kp)
filtered_desSmallCat.append(des)
filtered_desCat = np.array(filtered_desCat)
filtered_desSmallCat = np.array(filtered_desSmallCat)
# ... (后续匹配代码，使用 filtered_kpCat, filtered_desCat, filtered_kpSmallCat, filtered_desSmallCat) ...
这段代码遍历特征点，根据角度阈值过滤非水平方向特征点。 过滤后的描述符转换为NumPy数组以供BFMatcher使用。 通过此方法，即可实现ORB特征点过滤，仅保留水平方向特征点。 实际应用中，需根据图像特性调整角度阈值。
