OpenCVSharp：BRISK特征检测

概述

BRISK（Binary Robust Invariant Scalable Keypoints）是一种快速、高效的特征检测和描述算法，由Stefan Leutenegger等人于2011年提出。它属于二进制特征描述符家族，与SIFT、SURF等浮点型特征描述符相比，具有计算速度快、内存占用小的特点。

BRISK是一种平衡了速度和性能的特征检测算法，特别适合需要实时处理的应用场景。虽然其精度可能不如SIFT或SURF，但在许多实际应用中，其速度优势更为重要。在OpenCV中，BRISK被广泛应用于需要快速特征检测和匹配的计算机视觉任务中。

实践

示例中的核心代码很少：

using var brisk = BRISK.Create();
KeyPoint[] keypoints = brisk.Detect(gray);

if (keypoints != null)
{
    var color = new Scalar(0, 255, 0);
    foreach (KeyPoint kpt in keypoints)
    {
        float r = kpt.Size / 2;
        Cv2.Circle(dst, (Point)kpt.Pt, (int)r, color);
        Cv2.Line(dst,
            (Point)new Point2f(kpt.Pt.X + r, kpt.Pt.Y + r),
            (Point)new Point2f(kpt.Pt.X - r, kpt.Pt.Y - r),
            color);
        Cv2.Line(dst,
            (Point)new Point2f(kpt.Pt.X - r, kpt.Pt.Y + r),
            (Point)new Point2f(kpt.Pt.X + r, kpt.Pt.Y - r),
            color);
    }
}

OpenCVSharp中封装了一个BRISK，现在来看看这个类的Create方法：

  public static BRISK Create(int thresh = 30, int octaves = 3, float patternScale = 1.0f)
  {
      NativeMethods.HandleException(
          NativeMethods.features2d_BRISK_create1(thresh, octaves, patternScale, out var ptr));
      return new BRISK(ptr);
  }

先了解一下参数的意义：

thresh（AGAST检测阈值）

基于AGAST（Adaptive and Generic Accelerated Segment Test）算法的阈值，用于判断像素点是否为角点，控制特征点检测的敏感度。

较低值（如10-20）：检测更多特征点，但可能包含噪声

较高值（如40-60）：检测更少但更稳定的特征点

octaves（检测八度数）

构建图像金字塔，在不同尺度上检测特征点，控制多尺度检测的层数。

0：仅进行单尺度检测，速度最快

1-4：多尺度检测，能识别不同大小的特征

更高值：增加尺度范围但降低性能

patternScale（采样模式缩放）

BRISK使用特定的采样模式来计算描述符，此参数控制该模式的缩放，整特征点邻域采样模式的缩放比例。

< 1.0：更密集的采样，可能提高精度但降低速度

> 1.0：更稀疏的采样，提高速度但可能降低精度

再来看一下Detect方法：

 public KeyPoint[] Detect(Mat image, Mat? mask = null)
 {
     if (image is null)
         throw new ArgumentNullException(nameof(image));
     ThrowIfDisposed();

     image.ThrowIfDisposed();
     try
     {
         using var keyPoints = new VectorOfKeyPoint();
         NativeMethods.HandleException(
             NativeMethods.features2d_Feature2D_detect_Mat1(ptr, image.CvPtr, keyPoints.CvPtr, Cv2.ToPtr(mask)));
         return keyPoints.ToArray();
     }
     finally
     {
         GC.KeepAlive(this);
         GC.KeepAlive(image);
         GC.KeepAlive(mask);
     }
 }

直接使用这个方法就可以获取特征点：

然后在图像上显示这些特征点即可得到上面的图。

我看到说BRISK可以用于物体识别，我在想既然会生成特征点，那么肯定可以进行特征点匹配，这样能不能拿两张图去匹配，比如两个人有两张不同的照片能不能识别出是同一个人呢？

我做了一个简单的Demo，但是效果其实不好：

没有后面DrawBestMatchRectangle这个示例的效果好，后面这个示例使用的是ORB，然后也有使用汉明匹配，等后面再介绍。

DrawBestMatchRectangle示例效果：