有些特征用轮廓并无法来检测，比如脸，在内容上显示的特征就不能用边缘检测了，要想把这些关键点检测出来就需要用star检测器，
import numpy as np import cv2 as cv image = cv.imread('/Users/youkechaung/Desktop/算法/数据分析/AI/day02/day02/data/table.jpg') #显示内部细节的检测，不是边缘检测而是特征检测， #颜色并不是很重要，因此把图转换为灰度图 cv.imshow('Original',image) gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) cv.imshow('Gray',gray) detector = cv.xfeatures2d.StarDetector_create()#特征检测器 keypoints = detector.detect(gray)#返回关键点问题 # print(keypoints) 是一个矢量，不是很明显表示 cv.drawKeypoints(image,keypoints,image,flags = cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS) #画在原图上，第一个是原图，第二个image是目标图，这个flags既包括位置又包括方向，也有只有位置的flags cv.imshow('star keypoints',image) #圆圈的大小表示特征的重要性大小，主要在桌子腿上，腿上边缘和棱角比较多，更有代表性，圆圈大小代表特征大小， cv.waitKey() import numpy as np import cv2 as cv image = cv.imread('/Users/youkechaung/Desktop/算法/数据分析/AI/day02/day02/data/table.jpg') #显示内部细节的检测，不是边缘检测而是特征检测， #颜色并不是很重要，因此把图转换为灰度图 cv.imshow('Original',image) gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) cv.imshow('Gray',gray) detector = cv.xfeatures2d.SIFT_create()#SIFT特征检测器 keypoints = detector.detect(gray)#返回关键点问题 # print(keypoints) 是一个矢量，不是很明显表示 cv.drawKeypoints(image,keypoints,image,flags = cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS) #画在原图上，第一个是原图，第二个image是目标图，这个flags既包括位置又包括方向，也有只有位置的flags cv.imshow('SIFT keypoints',image) #圆圈的大小表示特征的重要性大小，主要在桌子腿上，腿上边缘和棱角比较多，更有代表性，圆圈大小代表特征大小， cv.waitKey()文章来源: OpenCV3：Star和SIFT特征检测