cv2.drawKeypoints函数（opencv学习）

函数表示：

cv2.drawKeypoints(image, keypoints, outImage, color=None, flags=None)

image	原始图像，可以使三通道或单通道图像；
keypoints	特征点向量，向量内每一个元素是一个KeyPoint对象，包含了特征点的各种属性信息；
outImage	特征点绘制的画布图像，可以是原图像；
color	绘制的特征点的颜色信息，默认绘制的是随机彩色；
flags	特征点的绘制模式，其实就是设置特征点的那些信息需要绘制，那些不需要绘制，有以下几种模式可选： DRAW_MATCHES_FLAGS_DEFAULT：只绘制特征点的坐标点，显示在图像上就是一个个小圆点，每个小圆点的圆心坐标都是特征点的坐标。 DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG：函数不创建输出的图像，而是直接在输出图像变量空间绘制，要求本身输出图像变量就是一个初始化好了的，size与type都是已经初始化好的变量。 DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS ：单点的特征点不被绘制。 DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：绘制特征点的时候绘制的是一个个带有方向的圆，这种方法同时显示图像的坐标，size和方向，是最能显示特征的一种绘制方式。

示例代码：

import cv2
import numpy as np


def SIFT(img):
    I = cv2.imread(img)
    descriptor = cv2.xfeatures2d.SIFT_create()  # 在2004年，不列颠哥伦比亚大学的D.Lowe在他的论文中提出了一种新的算法，即尺度不变特征变换（SIFT）
    (kps, features) = descriptor.detectAndCompute(I, None)
    cv2.drawKeypoints(I, kps, I, (0, 255, 255), flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
    cv2.imshow('img', I)
    cv2.waitKey(0)
    cv2.imwrite('sift_keypoints.jpg', I)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    SIFT('left.png')

运行结果：