OpenCV2简单的特征匹配

最新推荐文章于 2024-06-22 21:05:45 发布

q123456789098

最新推荐文章于 2024-06-22 21:05:45 发布

阅读量578

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/q123456789098/article/details/51462598

本文介绍了一种使用SURF算法进行图像特征匹配的方法，并通过OpenCV2实现了特征检测、描述符提取及匹配的过程。该文详细展示了如何从两张图片中提取关键点并计算其描述符，进而利用暴力匹配算法完成特征匹配。

特征的匹配大致可以分为3个步骤：

特征的提取
计算特征向量
特征匹配

对于3个步骤，在OpenCV2中都进行了封装。所有的特征提取方法都实现FeatureDetector接口，DescriptorExtractor接口则封装了对特征向量（特征描述符）的提取，而所有特征向量的匹配都继承了DescriptorMatcher接口。

surf

int main()
{
    const string imgName1 = "x://image//01.jpg";
    const string imgName2 = "x://image//02.jpg";

    Mat img1 = imread(imgName1);
    Mat img2 = imread(imgName2);

    if (!img1.data || !img2.data)
        return -1;

    //step1: Detect the keypoints using SURF Detector
    int minHessian = 400;

    SurfFeatureDetector detector(minHessian);

    vector<KeyPoint> keypoints1, keypoints2;

    detector.detect(img1, keypoints1);
    detector.detect(img2, keypoints2);

    //step2: Calculate descriptors (feature vectors)
    SurfDescriptorExtractor extractor;
    Mat descriptors1, descriptors2;
    extractor.compute(img1, keypoints1, descriptors1);
    extractor.compute(img2, keypoints2, descriptors2);

    //step3:Matching descriptor vectors with a brute force matcher
    BFMatcher matcher(NORM_L2);
    vector<DMatch> matches;
    matcher.match(descriptors1, descriptors2,matches);

    //Draw matches
    Mat imgMatches;
    drawMatches(img1, keypoints1, img2, keypoints2, matches, imgMatches);

    namedWindow("Matches");
    imshow("Matches", imgMatches);

    waitKey();

    return 0;
}