[学习笔记-图像处理篇]梳理图像匹配算法细则

参考
KeyPoint
特征提取与匹配—SURF;SIFT;ORB;FAST;Harris角点
opencv中DMatch解释


1. 特征提取及描述

这一部分opencv都是有现成的,首先是初始化关键点和描述子变量。

vector<Keypoint> keypoints1, keypoints2;
Mat descriptors1, descriptors2;

关键点为<Keypoint>元素组成的向量,其中<Keypoint>类内容如下:

class KeyPoint
{
   
Point2f pt;//在图像中的像素坐标,xy分别对应uv方向
float size;//点的邻域直径
float angle;//点的方向
float response;////响应程度,代表该点的强壮程度,也就是该点角点程度,用于后期使用和排序
int octave;//特征点所在的图像金字塔的组
int  class_id;//用于聚类的id
}

描述子就是一个数字矩阵。

随后要设置特征点,比如SIFTORB

Ptr<ORB> orb = ORB::create();

然后就是常规操作,特征提取描述,直接写就行。

orb->detect(img1, keypoints1);
orb->detect(img2, keypoints2);
//描述
orb->compute(img1, keypoints1, descriptors1);
orb
评论 1
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