线描述符匹配演示

此示例显示由cv.BinaryDescriptorMatcher类提供的行描述符匹配的功能。

此模块显示如何通过2种不同的方法从图像中提取线段：首先使用线段检测器cv.LSDDetector对线进行分段，然后（或仅使用）使用二进制描述符获取线并为它们提供描述符cv.BinaryDescriptor。最后，我们可以使用cv.BinaryDescriptorMatcher类匹配线段。

资料来源：

• https://github.com/opencv/opencv_contrib/blob/3.1.0/modules/line_descriptor/samples/matching.cpp

内容

• 描述符之间的匹配
• 图片
• BinaryDescriptor：检测和计算
• BinaryDescriptor：匹配
• LSDDetector：检测和计算
• LSDDetector：匹配

描述符之间的匹配

如果我们从两个不同的图像中提取了描述符，则可以在它们之间搜索匹配。一种方法是将描述符与每个输入查询描述符完全匹配，选择最近距离的描述符。

有时，我们可能有兴趣搜索最接近的k描述符，给定一个输入。请参见cv.BinaryDescriptorMatcher.knnMatch

在某些情况下，我们可以有一个搜索半径，看看远处的最重要的描述符[R从输入查询。请参阅cv.BinaryDescriptorMatcher.radiusMatch

图片

<span style="color:#000000">
<span style="color:#0000ff">如果为</span> false，<span style="color:#228b22">％load images</span>
    img1 = cv.imread（fullfile（mexopencv.root（），<span style="color:#a020f0">'test'</span>，<span style="color:#a020f0">'books_left.jpg'</span>），<span style="color:#a020f0">'Color'</span>，true）;
    img2 = cv.imread（fullfile（mexopencv.root（），<span style="color:#a020f0">'test'</span>，<span style="color:#a020f0">'books_right.jpg'</span>），<span style="color:#a020f0">'Color'</span>，true）;
<span style="color:#0000ff">否则</span> 
    im = which（<span style="color:#a020f0">'cameraman.tif'</span>）;
    <span style="color:#0000ff">if</span> isempty（im），im = fullfile（mexopencv.root（），<span style="color:#a020f0">'test'</span>，<span style="color:#a020f0">'blox.jpg'</span>）; <span style="color:#0000ff">结束</span> 
    img1 = cv.imread（im，<span style="color:#a020f0">'Color'</span>，true）;
    M = cv.getRotationMatrix2D（round（[size（img1,2）size（img1,1）] ./ 2）， -  20，0.9）;
    img2 = cv.warpAffine（img1，M）;
<span style="color:#0000ff">结束</span>

<span style="color:#228b22">％创建二进制掩码</span> 
mask1 = ones（size（img1,1），size（img1,2），<span style="color:#a020f0">'uint8'</span>）;
mask2 = ones（size（img2,1），size（img2,2），<span style="color:#a020f0">'uint8'</span>）;

subplot（121），imshow（img1）
subplot（122），imshow（img2）
img <span style="color:#a020f0">img1 </span> <span style="color:#a020f0">img2 </span> <span style="color:#a020f0">mask1 </span> <span style="color:#a020f0">mask2</span></span>

<span style="color:#4c4c4c">  名称大小字节类属性

  img1 256x256x3 196608 uint8              
  img2 256x256x3 196608 uint8              
  mask1 256x256 65536 uint8              
  mask2 256x256 65536 uint8              

</span>

BinaryDescriptor：检测和计算

<span style="color:#000000"><span style="color:#228b22">％使用默认参数创建BinaryDescriptor对象</span>
bd = cv.BinaryDescriptor（）;

<span style="color:#228b22">％compute lines and descriptors</span> 
[keylines1，descr1] = bd.detectAndCompute（img1，<span style="color:#a020f0">'Mask'</span>，mask1）;
[keylines2，descr2] = bd.detectAndCompute（img2，<span style="color:#a020f0">'Mask'</span>，mask2）;
卫生组织<span style="color:#a020f0">keylines1 </span> <span style="color:#a020f0">keylines2 </span> <span style="color:#a020f0">descr1 </span> <span style="color:#a020f0">descr2</span>

<span style="color:#228b22">％从第一个八度音程中选择keylines及其描述符</span>
idx =（[keylines1.octave] == 0）;
keylines1 = keylines1（idx）;
descr1 = descr1（idx，:);

idx =（[keylines2.octave] == 0）;
keylines2 = keylines2（idx）;
descr2 = descr2（idx，:);</span>

<span style="color:#4c4c4c">  名称大小字节类属性

  descr1 53x32 1696 uint8               
  descr2 46x32 1472 uint8               
  keylines1 1x53 79208 struct              
  keylines2 1x46 68848 struct              

</span>

BinaryDescriptor：匹配

<span style="color:#000000"><span style="color:#228b22">％创建BinaryDescriptorMatcher对象</span>
bdm = cv.BinaryDescriptorMatcher（）;

<span style="color:#228b22">％需要匹配</span>
matches = bdm.match（descr1，descr2）

<span style="color:#228b22">％选择最佳匹配</span>
MATCHES_DIST_THRESHOLD = 25;
good_matches =（[matches.distance] <MATCHES_DIST_THRESHOLD）;
fprintf（<span style="color:#a020f0">'匹配数=％d \ n'</span>，nnz（good_matches））;

<span style="color:#228b22">％plot匹配</span> 
outImg = cv.drawLineMatches（img1，keylines1，img2，keylines2，matches，<span style="color:#0000ff">... </span>
    <span style="color:#a020f0">'MatchesMask'</span>，good_matches）;
图，imshow（outImg）
标题（<span style="color:#a020f0">'八度音阶0'</span>）</span>

<span style="color:#4c4c4c">匹配= 
  带字段的1×53结构数组：
    queryIdx
    trainIdx
    imgIdx
    距离
好的比赛数= 12
</span>

LSDDetector：检测和计算

<span style="color:#000000"><span style="color:#228b22">％创建一个LSD检测器</span>
lsd = cv.LSDDetector（）;

<span style="color:#228b22">％检测行</span> 
keylines1 = lsd.detect（img1，<span style="color:#a020f0">'Scale'</span>，2，<span style="color:#a020f0">'NumOctaves'</span>，2，<span style="color:#a020f0">'Mask'</span>，mask1）;
keylines2 = lsd.detect（img2，<span style="color:#a020f0">'Scale'</span>，2，<span style="color:#a020f0">'NumOctaves'</span>，2，<span style="color:#a020f0">'Mask'</span>，mask2）;
卫生组织<span style="color:#a020f0">keylines1 </span> <span style="color:#a020f0">keylines2</span>

<span style="color:#228b22">行的％计算描述符</span>
descr1 = bd.compute（img1，keylines1）;
descr2 = bd.compute（img2，keylines2）;
卫生组织<span style="color:#a020f0">descr1 </span> <span style="color:#a020f0">descr2</span>

<span style="color:#228b22">％从第二个八度音程中选择行和描述符</span>
idx =（[keylines1.octave] == 1）;
keylines1 = keylines1（idx）;
descr1 = descr1（idx，:);

idx =（[keylines2.octave] == 1）;
keylines2 = keylines2（idx）;
descr2 = descr2（idx，:);</span>

<span style="color:#4c4c4c">  名称大小字节类属性

  keylines1 1x230 341168结构              
  keylines2 1x208 308608 struct              

  名称大小字节类属性

  descr1 230x32 7360 uint8              
  descr2 208x32 6656 uint8              

</span>

LSDDetector：匹配

<span style="color:#000000"><span style="color:#228b22">％compute匹配</span>
matches = bdm.match（descr1，descr2）

<span style="color:#228b22">％选择最佳匹配</span>
good_matches =（[matches.distance] <MATCHES_DIST_THRESHOLD）;
fprintf（<span style="color:#a020f0">'匹配数=％d \ n'</span>，nnz（good_matches））;

<span style="color:#228b22">％情节匹配</span>
img1 = cv.resize（img1,0.5,0.5）;
img2 = cv.resize（img2,0.5,0.5）;
outImg = cv.drawLineMatches（img1，keylines1，img2，keylines2，matches，<span style="color:#0000ff">... </span>
    <span style="color:#a020f0">'MatchesMask'</span>，good_matches）;
图，imshow（outImg）
标题（<span style="color:#a020f0">'LSD匹配八度音阶'</span>）</span>

<span style="color:#4c4c4c">匹配= 
  带字段的1×64结构数组：
    queryIdx
    trainIdx
    imgIdx
    距离
好匹配数= 16
</span>