opencv 34.Brisk

最新推荐文章于 2022-12-12 19:17:00 发布

GaryHm

最新推荐文章于 2022-12-12 19:17:00 发布

阅读量85

点赞数

CC 4.0 BY-SA版权

分类专栏： OpenCV

本文链接：https://blog.youkuaiyun.com/qq_36689119/article/details/90181065

OpenCV 专栏收录该内容

21 篇文章

订阅专栏

BRISK算法是一种二进制特征描述算子，具有良好的旋转、尺度不变性和鲁棒性。在图像配准应用中，BRISK算法的速度快于SIFT、SURF等，尤其在处理模糊图像时表现出色。本文通过OpenCV实现BRISK特征提取和匹配，展示了其在图像配准中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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。

下面的截图来自参考链接
在这里插入图片描述

//32 Brisk
void StartOp2::ImageProcess2_32()
{
	Mat img1 = imread("../../Images/22.jpg", IMREAD_GRAYSCALE);
	Mat img2 = imread("../../Images/23.jpg", IMREAD_GRAYSCALE);
	if (!img1.data || !img2.data) {

	}
	imshow("image1", img1);
	imshow("image2", img2);

	//brisk features extraction
	Ptr<Feature2D> detector = BRISK::create();
	vector<KeyPoint> keypoints_obj;
	vector<KeyPoint> keypoints_scene;
	Mat descriptor_obj, descriptor_scene;
	detector->detectAndCompute(img1, Mat(), keypoints_obj, descriptor_obj);
	detector->detectAndCompute(img2, Mat(), keypoints_scene, descriptor_scene);

	// matching
	BFMatcher matcher(NORM_L2);
	vector<DMatch> matches;
	matcher.match(descriptor_obj, descriptor_scene, matches);

	// draw matches
	Mat matchesImg;
	drawMatches(img1, keypoints_obj, img2, keypoints_scene, matches, matchesImg);
	imshow("BRISK MATCH RESULT", matchesImg);

	//  draw key points
	// Mat resultImg;
	// drawKeypoints(src, keypoints, resultImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
	// imshow("Brisk Key Points", resultImg);
}