Bag of Words：利用OpenCV-Python实现SIFT、KMeans和BOW的图像检索

简介：
本文介绍了如何使用Python及OpenCV库来实践图像检索技术，具体涵盖了SIFT特征提取、K-means聚类以及基于词袋模型（BoW）的方法。通过这些步骤，读者可以构建一个简单的图像搜索引擎原型，实现对大规模图片数据库的高效查询与匹配。 基于opencv-python的sift、kmeans、bow图像检索需要配置opencv、sklearn、scipy、numpy，并创建两个文件夹，默认图像训练文件名为dataset。使用的是101_ObjectCategories图片集，因此在读入图片时做了相应更改。默认查找图像文件名为query。通过命令行执行python findFeatures.py -t dataset/ 开始生成模型；用命令行执行python search.py -i query/target.jpg 查找目标图片。