本文共 1885 字，大约阅读时间需要 6 分钟。
BFMatcher类是一个用于暴力匹配的匹配器，它通过尝试每个描述符找到第二个集合中最接近的描述符。BFMatcher类继承自DescriptorMatcher类，提供了两种主要的匹配方法：knnMatch和radiusMatch。
BFMatcher类的构造函数接受两个参数：
normType：描述符的归一化类型，支持NORM_L2、NORM_L1、NORM_HAMMING和NORM_HAMMING2。对于SIFT和SURF描述符，建议使用L1或L2；对于ORB、BRISK和BRIEF，建议使用HAMMING；当ORB的WTA_K为3或4时，使用HAMMING2。crossCheck：布尔值，设为true时，匹配器会返回一致的对，即只返回满足某些条件的匹配结果。BFMatcher类的核心方法包括：
knnMatchImpl：执行k近邻匹配，返回k个最接近的邻居。radiusMatchImpl：基于距离范围进行匹配，返回距离不超过maxDistance的描述符。drawMatches函数用于从两个图像中绘制找到的关键点匹配。函数接受以下参数：
img1：第一个源图像。keypoints1：第一个源图像的关键点。img2：第二个源图像。keypoints2：第二个源图像的关键点。matches1to2：从第一个图像到第二个图像的匹配结果。outImg：输出图像。matchColor：匹配到的关键点的颜色。singlePointColor：未匹配到的关键点的颜色。matchesMask：决定绘制哪些匹配的掩模。flags：绘图功能的标志。以下是一个使用BFMatcher类进行关键点匹配的示例代码：
#include#include using namespace cv;using namespace cv::xfeatures2d;int main() { Mat src1, src2, dst; src1 = imread("card2.jpg"); src2 = imread("cards.jpg"); if (src1.empty() || src2.empty()) { printf("could not load image \n"); return -1; } namedWindow("input", CV_WINDOW_AUTOSIZE); imshow("input", src1); Ptr detector = SURF::create(700); vector keypoints1, keypoints2; Mat descriptor1, descriptor2; detector->detectAndCompute(src1, Mat(), keypoints1, descriptor1); detector->detectAndCompute(src2, Mat(), keypoints2, descriptor2); BFMatcher matcher(NORM_L2); vector matchers; matcher.match(descriptor1, descriptor2, matchers); Mat result; drawMatches(src1, keypoints1, src2, keypoints2, matchers, result, Scalar::all(-1), Scalar(0,255,0)); namedWindow("output", CV_WINDOW_AUTOSIZE); imshow("output", result); waitKey(0); return 0;}
BFMatcher类提供了一个强大的工具来进行描述符匹配，适用于需要精确匹配的任务。结合drawMatches函数，可以直观地展示关键点匹配结果。此外，通过合理选择normType和配置参数，可以优化匹配性能和结果。
转载地址：http://egnd.baihongyu.com/