open cvBrisk特征检测与匹配

什么是BRISK算法

BRISK算法是2011年ICCV上《BRISK:Binary Robust Invariant Scalable Keypoints》文章中，提出来的一种特征提取算法，也是一种二进制的特征描述算子

它具有较好的旋转不变性、尺度不变性，较好的鲁棒性等。在图像配准应用中
速度比较：SIFT<SURF<BRISK<FREAK<ORB，在对有较大模糊的图像配准时，BRISK算法在其中表现最为出色

---

BRISK算法特征点检测的特点

BRISK算法主要利用FAST9-16进行特征点检测
为了解决尺度不变性 BRISK算法构造了图像金字塔进行多尺度表达

---

BRISK算法的原理及步骤

1.建立尺度空间

2.特征点检测（对这8张图进行FAST9-16角点检测，得到具有角点信息的8张图，对原图像img进行一次FAST5-8角点检测（当做d(-1)层，虚拟层），总共会得到9幅有角点信息的图像)

3.非极大值抑制（对这9幅图像，进行空间上的非极大值抑制（同SIFT算法的非极大值抑制）

4.亚像素插值精确定位(在极值点所在层及其上下层所对应的位置，对FAST得分值（共3个）进行二维二次函数插值（x、y方向），得到真正意义上的得分极值点及其精确的坐标位置（作为特征点位置）；再对尺度方向进行一维插值，得到极值点所对应的尺度（作为特征点尺度）)

5.得知特征点的位置和尺度（t）后进行高斯滤波

6.局部梯度计算

7.特征描述符(要解决旋转不变性，则需要对特征点周围的采样区域进行旋转到主方向，旋转后得到新的采样区域，采样模式同上)

8.匹配方法 (汉明距离进行比较，与其他二进制描述子的匹配方式一样 如果用FLANN匹配器进行匹配需要设置参数一的信息)

代码演示

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include	<opencv2/xfeatures2d.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;
using namespace xfeatures2d;

Mat ObjIMG, SceneIMG,dst;
void BriskDetector(int, void*);
int main()
{
   
   

	ObjIMG = imread("D:/实验台/机器视觉/测试图片/训练图像.jpg");
	SceneIMG = imread("D:/实验台/机器视觉/测试图片/查询图像.jpg");

	if (ObjIMG.empty())//如果src这个数据库属性为空
	{
   
   
		cout << "无法打开" << endl;
		return -1;
	}
	imshow("训练图像原图", ObjIMG);
	BriskDetector(0, 0);
	waitKey(0);
	return 0;
}

仅使用BRISK特征检测器进行特征点检测不进行匹配

void BriskDetector(int, void*)
{
   
   
	Ptr<Feature2D>detector = BRISK::create();
	vector<KeyPoint>keypoints;
	double t1 = (double)getTickCount();