OpenCV学习笔记（九）——2维特征Feature2D

  

  std::vector<KeyPoint> keypoints_1, keypoints_2;  

  

  detector.detect( img_1, keypoints_1 );  

  detector.detect( img_2, keypoints_2 );  

  

  //-- 步骤2：计算描述符（特征向量）

  SurfDescriptorExtractor extractor;  

  

  Mat descriptors_1, descriptors_2;  

  

  extractor.compute( img_1, keypoints_1, descriptors_1 );  

  extractor.compute( img_2, keypoints_2, descriptors_2 );  

  

  //-- 步骤3：使用强力匹配器匹配描述符向量

  BruteForceMatcher< L2<float> > matcher;  

  std::vector< DMatch > matches;  

  matcher.match( descriptors_1, descriptors_2, matches );  

  

  //-- 绘制比赛

  Mat img_matches;  

  drawMatches( img_1, keypoints_1, img_2, keypoints_2, matches, img_matches );   

  

  //-- 显示检测到的匹配

  imshow("Matches", img_matches );  

  

  waitKey(0);  

  

  return 0;  

}  

  

/** 

 * @function readme 

 */  

void readme()  

{ std::cout << " Usage: ./SURF_descriptor <img1> <img2>" << std::endl; }  

当然，进行强匹配的效果不够理想，这里再介绍一种FLANN特征匹配算法。前两步与上述代码相同，第三步利用FlannBasedMatcher类进行特征匹配，并只保留好的特征匹配点，代码如下：

1. //-- 步骤3：使用FLANN匹配器匹配描述符向量
2. FlannBasedMatcher matcher;  
3. std::vector< DMatch > matches;  
4. matcher.match( descriptors_1, descriptors_2, matches );  
5.   
6. double max_dist = 0; double min_dist = 100;  
7.   
8. //-- 快速计算关键点之间的最大和最小距离
    2/4   首页 上一页 1 2 3 4 下一页 尾页