BOW+SIFT特征提取OpenCV实现

#include “stdafx.h“
#include “BowTrain.h“
#include “stdafx.h“
#include
#include 
#include

#include 
#include 
#include “opencv2/core/core.hpp“
#include “opencv2/features2d/features2d.hpp“
#include “opencv2/calib3d/calib3d.hpp“


BowTrain::BowTrain（）
{
}


BowTrain::~BowTrain（）
{
}

void BowTrain::SiftExtract（string path）
{
	//Mat features;
	Directory dir;


	string path2 = “.\\DATA\\“;
	string exten2 = “*“;//“Image*“;//“*“  
	bool addPath2 = true;//false  


	vector foldernames = dir.GetListFolders（path2 exten2 addPath2）;

	int i = 0;
	int j = 0;
	int cnt = 0;
	//Mat features;
	//vector vectimageName;
	int clusterNum =50;
	cout << clusterNum << endl;
	BOWKMeansTrainer trainer（clusterNum）;
	for each （String var in foldernames）
	{
		String dirtmp = foldernames.at（i）;
		vector foldernamesTmp = dir.GetListFiles（dirtmp exten2 addPath2）;
		cout << foldernames.at（i） << “ begin“ << endl;
		j = 0;
		for each （String vari in foldernamesTmp）
		{
			Mat curImg;
			curImg = imread（foldernamesTmp.at（j）.c_str（） -1）;
			vector keyPoints;
			Mat descriptor;
			//sift关键点检测
			SiftFeatureDetector detector;
			detector.detect（curImg keyPoints）;
			//sift关键点描述，角度，强度等
			SiftDescriptorExtractor extractor;
			extractor.compute（curImg keyPoints descriptor）;
			//descriptor是每幅图像的sift关键点描述
			trainer.add（descriptor）;
			j++;
		}
		cout << foldernames.at（i） << “ success“ << endl;
		i++;
	}

	Mat dictionary = trainer.cluster（）;

	//将提取的特征存放到xml文件方便使用
	//cout << features.cols << “  “ << features.rows << endl;	
	/*FileStorage fs（“.\\Lab.xml“ FileStorage::WRITE）;
	fs << “features“ << features;
	fs.release（）;*/

	FileStorage fs（“.\\dictionary50.xml“ FileStorage::WRITE）;
	fs << “dictionary