SURF特征点描述

最新推荐文章于 2022-08-31 22:39:55 发布

原创最新推荐文章于 2022-08-31 22:39:55 发布 · 930 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

opencv 专栏收录该内容

10 篇文章

订阅专栏

本文通过使用SURF算法实现两幅图像之间的特征点检测及匹配，并利用OpenCV库完成匹配关键点的绘制与展示。

#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include "opencv2/features2d/features2d.hpp" 
#include <opencv2/nonfree/nonfree.hpp>  
#include<opencv2/legacy/legacy.hpp> 
using namespace cv;
using namespace std;
int main()
{
    Mat orig1, orig2;
    orig1 = imread("1.jpg");
    orig2 = imread("2.jpg");
    int minHessian = 700;//SURF算法中的hessian阈值 
    SurfFeatureDetector detector(minHessian);//定义一个SurfFeatureDetector（SURF） 特征检测类对象    
    vector<KeyPoint> keyPoint1, keyPoint2;//vector模板类，存放任意类型的动态数组
    //检测特征点并存放
    detector.detect(orig1, keyPoint1);
    detector.detect(orig2, keyPoint2);
    //计算描述符（特征向量）  
    SurfDescriptorExtractor extractor;
    Mat descriptors1, descriptors2;
    extractor.compute(orig1, keyPoint1, descriptors1);
    extractor.compute(orig2, keyPoint2, descriptors2);
    BruteForceMatcher< L2<float> > matcher;
    vector< DMatch > matches;
    //匹配两幅图中的描述子（descriptors）  
    matcher.match(descriptors1, descriptors2, matches);
    //绘制从两个图像中匹配出的关键点  
    Mat imgMatches;
    drawMatches(orig1, keyPoint1, orig2, keyPoint2, matches, imgMatches);//进行绘制  
    //显示效果图  
    namedWindow("匹配图", WINDOW_NORMAL);
    imshow("匹配图", imgMatches);
    waitKey();
    return 0;
}