物体目标分类
=====================

.. highlight:: cpp

这章描述了局部2维图像特征相关算法和基于这些特征的二维图像中的物体目标分类。

BOWTrainer
----------
.. ocv:class:: BOWTrainer

给定训练图像的特征描述子集，该抽象基类用于训练 *视觉词典包* 词典.
具体参考文章 *Visual Categorization with Bags of Keypoints* by Gabriella Csurka, Christopher R. Dance,
Lixin Fan, Jutta Willamowski, Cedric Bray, 2004. ::

    class BOWTrainer
    {
    public:
        BOWTrainer(){}
        virtual ~BOWTrainer(){}

        void add( const Mat& descriptors );
        const vector<Mat>& getDescriptors() const;
        int descripotorsCount() const;

        virtual void clear();

        virtual Mat cluster() const = 0;
        virtual Mat cluster( const Mat& descriptors ) const = 0;

    protected:
        ...
    };

BOWTrainer::add
-------------------
向训练集中增加特征描述子.

.. ocv:function:: void BOWTrainer::add( const Mat& descriptors )

    :param descriptors: 向训练集中增加特征描述子.  ``descriptors`` 矩阵中每一行就是一个特征描述子.

训练集可以用 ``clustermethod`` 聚类来构造视觉词典。


BOWTrainer::getDescriptors
------------------------------
返回训练集中的特征描述子.

.. ocv:function:: const vector<Mat>& BOWTrainer::getDescriptors() const



BOWTrainer::descripotorsCount
---------------------------------
返回训练集中所有存储的特征描述子的数量.

.. ocv:function:: const vector<Mat>& BOWTrainer::descripotorsCount() const



BOWTrainer::cluster
-----------------------
根据训练集进行聚类. 

.. ocv:function:: Mat BOWTrainer::cluster() const

.. ocv:function:: Mat BOWTrainer::cluster( const Mat& descriptors ) const

    :param descriptors: 用于聚类的特征描述子.  ``descriptors``  矩阵中每一行 是一个特征描述子. 特征描述子不会被添加到训练集中部.

视觉词典包含聚类中信. 因此，这个方法返回的是视觉词典. 在输入为空的条件下, 存储在训练集中的特征描述子被用来聚类. 在输入特定的特征描述子矩阵条件下, 输入的特征描述子被用来聚类.

BOWKMeansTrainer
----------------
.. ocv:class:: BOWKMeansTrainer

:ocv:func:`kmeans` -用于训练视觉词典的基类. 采用 *视觉词典包* 算法实现。
::

    class BOWKMeansTrainer : public BOWTrainer
    {
    public:
        BOWKMeansTrainer( int clusterCount, const TermCriteria& termcrit=TermCriteria(),
                          int attempts=3, int flags=KMEANS_PP_CENTERS );
        virtual ~BOWKMeansTrainer(){}

        // Returns trained vocabulary (i.e. cluster centers).
        virtual Mat cluster() const;
        virtual Mat cluster( const Mat& descriptors ) const;

    protected:
        ...
    };

BOWKMeansTrainer::BOWKMeansTrainer
----------------------------------

构造函数.

.. ocv:function:: BOWKMeansTrainer::BOWKMeansTrainer( int clusterCount, const TermCriteria& termcrit=TermCriteria(), int attempts=3, int flags=KMEANS_PP_CENTERS )

    See :ocv:func:`kmeans` function parameters.

BOWImgDescriptorExtractor
-------------------------
.. ocv:class:: BOWImgDescriptorExtractor

基于 *视觉词典包* 算法来计算一个图像的特征描述子的类. 算法步骤如下:

    #. 给定一幅图像及其图像特征检测子(关键点)集，计算特征描述子.
    #. 给定每一个图像特征检测子对应的特征描述子，从视觉词典中寻找最近的词.
    #. 计算视觉词典包图像特征描述子.该结果为一个归一化后的直方图.直方图向量中第``i``个 值是视觉词典中的第``i``个词在给定图像中的频率.
    
这个类的描述如下: ::

        class BOWImgDescriptorExtractor
        {
        public:
            BOWImgDescriptorExtractor( const Ptr<DescriptorExtractor>& dextractor,
                                       const Ptr<DescriptorMatcher>& dmatcher );
            virtual ~BOWImgDescriptorExtractor(){}

            void setVocabulary( const Mat& vocabulary );
            const Mat& getVocabulary() const;
            void compute( const Mat& image, vector<KeyPoint>& keypoints,
                          Mat& imgDescriptor,
                          vector<vector<int> >* pointIdxsOfClusters=0,
                          Mat* descriptors=0 );
            int descriptorSize() const;
            int descriptorType() const;

        protected:
            ...
        };




BOWImgDescriptorExtractor::BOWImgDescriptorExtractor
--------------------------------------------------------
构造函数.

.. ocv:function:: BOWImgDescriptorExtractor::BOWImgDescriptorExtractor(           const Ptr<DescriptorExtractor>& dextractor,          const Ptr<DescriptorMatcher>& dmatcher )

    :param dextractor:给定一幅图像及其图像特征检测子(关键点)集，计算对应的特征描述子.

    :param dmatcher: 给定一幅图像及其图像特征检测子(关键点)集，用于寻找训练后的视觉词典中最近的词.



BOWImgDescriptorExtractor::setVocabulary
--------------------------------------------
设置一个视觉词典.

.. ocv:function:: void BOWImgDescriptorExtractor::setVocabulary( const Mat& vocabulary )

    :param vocabulary: 视觉词典 (是  :ocv:class:`BOWTrainer` 的继承类). 视觉词典中的每一行是一个词 (聚类中心).



BOWImgDescriptorExtractor::getVocabulary
--------------------------------------------
返回视觉词典集.

.. ocv:function:: const Mat& BOWImgDescriptorExtractor::getVocabulary() const



BOWImgDescriptorExtractor::compute
--------------------------------------
用视觉词典计算图像特征描述子.

.. ocv:function:: void BOWImgDescriptorExtractor::compute( const Mat& image, vector<KeyPoint>& keypoints, Mat& imgDescriptor, vector<vector<int> >* pointIdxsOfClusters=0, Mat* descriptors=0 )

    :param image: 输入图像.

    :param keypoints: 对于给定输入图像输出的图像特征检测子(关键点).

    :param imgDescriptor: 待输出的特征描述子.

    :param pointIdxsOfClusters: 属于该聚类中心的关键点的标号.  ``pointIdxsOfClusters[i]``  是在非空条件下，属于第``i``个聚类中心 (视觉词典的词)的关键点的标号.

    :param descriptors: 在非空条件下，返回图像检测子(关键点)对应的图像特征描述子.



BOWImgDescriptorExtractor::descriptorSize
---------------------------------------------
如果字典已经生成，返回图像特征描述子矩阵的尺寸. 否则，返回0.

.. ocv:function:: int BOWImgDescriptorExtractor::descriptorSize() const



BOWImgDescriptorExtractor::descriptorType
---------------------------------------------

返回图像特征描述子类型.

.. ocv:function:: int BOWImgDescriptorExtractor::descriptorType() const

翻译者
-------------
bittnt@ `OpenCV中文网站 <http://www.opencv.org.cn>`_  <kylezheng04@gmail.com>