【图像处理】——特征匹配（SIFT特征检测器+FLANN特征匹配方法+KNN近邻最优匹配筛选）——cv.xfeatures2d.SIFT_create()&sift.detectAndCompute

转载请注明地址

目录

1、特征检测和特征匹配方法

（1）特征检测算法

（2）特征匹配算法

（3）各种特征检测算法的比较

2、特征匹配的基本步骤(附带主要的函数）

（1）图像预处理——灰度化（模板——查询集queryImg,待匹配图像——训练集trainingImg）

（2）创建特征检测器——用于检测模板和图像上的特征点

（3）利用上述特征检测器获得特征点和特征描述符

特征点的解释：

特征描述符的解释：

（4）创建特征匹配器——用于对模板和待匹配图像间进行特征点之间的匹配

匹配的一般思路：

（5）选取优良的匹配点——Lowe's算法+KNN近邻算法

（6）绘制匹配对间的匹配线

3、Python代码实现和主要函数分析

（1）导入包

（2）kps,des = sift.detectAndCompute(IMg, None)函数

参数

返回值

（3）cv.FlannBasedMatcher(indexParams,searchParams)

（4）matches=flann.knnMatch(queryDescriptors, trainDescriptors, k, mask=None, compactResult=None)

参数：

返回值：

matches含有三个属性：queryIdx，trainIdx，distance（特征点描述符的欧式距离）

（5）drawMatchesKnn(img1, keypoints1, img2, keypoints2，**drawparams)

参数：

问题1：怎么提取出kps中关键点的坐标？

问题2：matches的shape是怎样的？

问题3：opencv中match与KnnMatch的区别

4、其他函数

（1）cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

（2）dst = cv2.perspectiveTransform(pts, M)

5、OpenCV仿射变换、投影变换的重要函数

Q&A：

6、实际代码

（1）KNNMATCH+DRAWKNNMATCH+LOWE'S TEST

(2)match+drawmatch

---

 

      看了很多文章，比较杂乱，打算自己整理一下1特征匹配这方面的知识，主要思路是先抛出一个例子和代码，然后对代码逐步解析，和对关键代码的参数以及返回值作解析

1、特征检测和特征匹配方法

参考：

https://blog.youkuaiyun.com/m0_37598482/article/details/78846215

https://www.jianshu.com/p/14b92d3fd6f8

一幅图像中总存在着其独特的像素点，这些点我们可以认为就是这