OpenCV學習筆記__特征檢測與匹配之 SURF算法（轉）

步驟：

特征檢測 —— 特征描述 —— 特征匹配

 

實現流程：

（1）特征檢測：SurfFeatureDetector類 . detect( )函數                 

（2）特征描述：SurfDescriptorExtractor類 . compute( )函數

（3）特征匹配：BruteForceMatcher類 . match( )函數

（這三步的實現都類似：類實例化一個對象，（定義vector或者Mat存放結果），調用函數，將計算結果存儲供給下一步使用）

（4）最后顯示“匹配圖”：drawMatches( )函數

 

實現代碼：

#include "opencv2/core/core.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <opencv2/nonfree/nonfree.hpp>
#include<opencv2/legacy/legacy.hpp>
#include <iostream>
using namespace cv;
using namespace std;

int main()
{
	//【1】載入素材圖
	Mat srcImage1 = imread("1.jpg", 1);
	Mat srcImage2 = imread("2.jpg", 1);
	if (!srcImage1.data || !srcImage2.data)
	{
		printf("讀取圖片錯誤，請確定目錄下是否有imread函數指定的圖片存在~！ \n"); return false;
	}

	//【2】使用SURF算子檢測關鍵點
	int minHessian = 700;//SURF算法中的hessian閾值
	SurfFeatureDetector detector(minHessian);//定義一個SurfFeatureDetector（SURF） 特征檢測類對象  
	std::vector<KeyPoint> keyPoint1, keyPoints2;//vector模板類，存放任意類型的動態數組

	//【3】調用detect函數檢測出SURF特征關鍵點，保存在vector容器中
	detector.detect(srcImage1, keyPoint1);
	detector.detect(srcImage2, keyPoints2);

	//【4】計算描述符（特征向量）
	SurfDescriptorExtractor extractor;
	Mat descriptors1, descriptors2;
	extractor.compute(srcImage1, keyPoint1, descriptors1);
	extractor.compute(srcImage2, keyPoints2, descriptors2);

	//【5】使用BruteForce進行匹配
	// 實例化一個匹配器
	BruteForceMatcher< L2<float> > matcher;
	std::vector< DMatch > matches;
	//匹配兩幅圖中的描述子（descriptors）
	matcher.match(descriptors1, descriptors2, matches);

	//【6】繪制從兩個圖像中匹配出的關鍵點
	Mat imgMatches;
	drawMatches(srcImage1, keyPoint1, srcImage2, keyPoints2, matches, imgMatches);//進行繪制

	//【7】顯示效果圖
	imshow("匹配圖", imgMatches);

	waitKey(0);
	return 0;
}