SIFT的说明*(慢慢总结)

本文探讨了SIFT和SURF算法在关键点描述和匹配中的应用,通过对比发现SURF效率为SIFT的三倍。文章详细介绍了使用SIFT接口进行特征点检测与描述的过程,以及如何采用暴力匹配算法实现特征向量匹配,最后通过劳式算法筛选高质量匹配点。

SIFT配合暴力匹配进行关键点描述和提取,理论上讲SURF是SIFT算法的3倍
1.利用SIFT接口来寻找特征点和特征向量原理和SURF是一模一样的类的继承方式也是一模一样的
SIFT detector.detect(),extractor.compute();
2.利用暴力匹配来匹配得到的向量,也就是描述符,原理和FLANN是一模一样的:
进行基于描述符的暴力匹配:
BFMatcher matcher;
vector train_desc_collection(1,srcImgDescriptor);
matcher.add(train_desc_collection);
matcher.train();//原图像端的操作
//摄像头中的实时 匹配训练和测试描述符
vector<vector> matches;
matcher.knnMatch(captureDescriptor,matches,2);
接下来就是利用传说中的劳式算法进行计算的 得到一些比较优秀的匹配点

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值