opencv3/C++ 描述符匹配-白红宇

opencv3/C++ 描述符匹配

阅读量：141 次

发布时间：2019-02-27

本文共 2704 字，大约阅读时间需要 9 分钟。

BFMatcher类

暴力匹配BFMatcher类：

对于第一个集合中的每个描述符，这个匹配器通过尝试每个描述符找到第二个集合中最接近的描述符。

class CV_EXPORTS_W BFMatcher : public DescriptorMatcher{public://暴力匹配器构造函数    CV_WRAP BFMatcher(      int normType=NORM_L2, //NORM_L1，NORM_L2，NORM_HAMMING，NORM_HAMMING2之一    bool crossCheck=false );//为每个描述符找到k个最近的邻居,true时只返回一致的对    virtual ~BFMatcher() {}    virtual bool isMaskSupported() const { return true; }    virtual Ptr
   
     clone( bool emptyTrainData=false ) const;protected:    virtual void knnMatchImpl( InputArray queryDescriptors, std::vector
    
     
       >& matches, int k,        InputArrayOfArrays masks=noArray(), bool compactResult=false );    virtual void radiusMatchImpl( InputArray queryDescriptors, std::vector
      
       
         >& matches, float maxDistance,        InputArrayOfArrays masks=noArray(), bool compactResult=false );    int normType;    bool crossCheck;};

关于normType：

对于SIFT和SURF描述符，选择L1和L2较好；

ORB、BRISK、BRIEF，选择NORM_HAMMING；

对于ORB，当WTA_K == 3或4时，使用NORM_HAMMING2。

函数drawMatches()：

从两个图像中用一条线连接两个关键点（圈）绘制找到的关键点匹配。

函数drawMatches()参数说明：

void drawMatches( InputArray img1, //第一个源图像const std::vector
   
    & keypoints1, //第一个源图像的关键点InputArray img2, //第二个源图像const std::vector
    
     & keypoints2, //第二个源图像的关键点const std::vector
     
      & matches1to2, //从第一个图像到第二个图像匹配InputOutputArray outImg, //输出图像const Scalar& matchColor=Scalar::all(-1), //匹配到的关键点的颜色（线条和连接的关键点）const Scalar& singlePointColor=Scalar::all(-1), //未匹配到的关键点的颜色（圆圈）const std::vector
      
       & matchesMask=std::vector
       
        (), //确定绘制哪些匹配的掩模。如果掩模为空，则绘制所有匹配int flags=DrawMatchesFlags::DEFAULT ); //设置绘图功能的标志

BFMatcher示例：

#include
   
    #include
    
     using namespace cv;using namespace cv::xfeatures2d;int main(){    Mat src1, src2, dst;    src1 = imread("E:/image/image/card2.jpg");    src2 = imread("E:/image/image/cards.jpg");    if (src1.empty()||src2.empty())     {        printf("could not load image \n");        return -1;    }    namedWindow("input", CV_WINDOW_AUTOSIZE);    imshow("input", src1);    Ptr
     
      dector = SURF::create(700);    std::vector
      
        keypoints1,keypoints2;    Mat descriptor1, descriptor2;    dector->detectAndCompute(src1, Mat(), keypoints1, descriptor1);    dector->detectAndCompute(src2, Mat(), keypoints2, descriptor2);    //指定L1或L2距离    BFMatcher matcher(NORM_L2);    std::vector
       
         matchers;    matcher.match(descriptor1, descriptor2, matchers);    Mat result;    //从两个图像中绘制找到的关键点匹配    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;}