学习笔记之——vs2015+opencv2.4.13实现SIFT、SURF、ORB

Mat srcImage2 &＃61; imread("hand2.jpg", 1);

//CV_Assert用于判断输入数据的合法性&＃xff0c;当该函数为false时&＃xff0c;返回一个错误信息

CV_Assert(srcImage1.data !&＃61; NULL && srcImage2.data !&＃61; NULL);

//转换为灰度图并做归一化

Mat grayMat1, grayMat2;

cvtColor(srcImage1, grayMat1, CV_BGR2GRAY);

normalize(grayMat1, grayMat1, 0, 255, NORM_MINMAX);

cvtColor(srcImage2, grayMat2, CV_BGR2GRAY);

normalize(grayMat2, grayMat2, 0, 255, NORM_MINMAX);

//定义SIFT描述子

SiftFeatureDetector detector;

//这个对象顾名思义就是SIFT特征的探测器&＃xff0c;用它来探测图片中SIFT点的特征&＃xff0c;存到一个KeyPoint类型的vector中。

/*keypoint只是保存了opencv的sift库检测到的特征点的一些基本信息&＃xff0c;但sift所提取出来的特征向量其实不是在这个里面&＃xff0c;特征向量通过SiftDescriptorExtractor 提取&＃xff0c;

结果放在一个Mat的数据结构中。这个数据结构才真正保存了该特征点所对应的特征向量。*/

//得到keypoint只是达到了关键点的位置&＃xff0c;方向等信息&＃xff0c;并无该特征点的特征向量&＃xff0c;要想提取得到特征向量就还要进行SiftDescriptorExtractor 的工作。

SiftDescriptorExtractor extractor;

//建立了SiftDescriptorExtractor 对象后&＃xff0c;通过该对象&＃xff0c;对之前SIFT产生的特征点进行遍历&＃xff0c;找到该特征点所对应的128维特征向量。

//SiftDescriptorExtractor对应于SIFT算法中特征向量提取的工作&＃xff0c;通过他对关键点周围邻域内的像素分块进行梯度运算&＃xff0c;得到128维的特征向量。

//特征点的检测&＃xff0c;并放入keypoint类型的vector中

vector keypoints1;

detector.detect(grayMat1, keypoints1);

vector keypoints2;

detector.detect(grayMat2, keypoints2);

//计算特征点描述子

Mat descriptors1;

extractor.compute(grayMat1, keypoints1, descriptors1);

Mat descriptors2;

extractor.compute(grayMat2, keypoints2, descriptors2);

//特征点匹配

//两幅图片的特征向量被提取出来后&＃xff0c;我们就可以使用BruteForceMatcher对象对两幅图片的descriptor进行匹配&＃xff0c;得到匹配的结果到matches中

vector matches;

BruteForceMatcher > matcher;

matcher.match(descriptors1, descriptors2, matches);

//二分排序

int N &＃61; 80;

nth_element(matches.begin(), matches.begin() &＃43; N - 1, matches.end());

//方法是,nth位置的元素放置的值就是把所有元素排序后在nth位置的值.把所有不大于nth的值放到nth的前面,把所有不小于nth的值放到nth后面.

matches.erase(matches.begin() &＃43; N, matches.end());//去除特征点不匹配情况。erase(pos,n); 删除从pos开始的n个字符。

//绘制检测结果

Mat resultMat;

drawMatches(srcImage1, keypoints1, srcImage2, keypoints2, matches, resultMat);

imshow("jieguo", resultMat);

waitKey( );

return 0;

}

SIFT sift(200);//设置了200个特征点

vector key_points;//存放特征点&＃xff0c;存放检测出来的特征点

Mat descriptors, mascara;// descriptors为描述符&＃xff0c;mascara为掩码矩阵

sift(img, mascara, key_points, descriptors);//执行sift运算

Mat output_img; //输出图像矩阵

//在输出图像上绘制特征点

drawKeypoints(img, //输入图像

key_points, //特征点矢量

output_img, //输出图像

Scalar::all(-1), //绘制特征点的颜色&＃xff0c;为随机

//以特征点为中心画圆&＃xff0c;圆的半径表示特征点的大小&＃xff0c;直线表示特征点的方向

DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

imshow("sift tu", output_img);

waitKey(0);

return 0;

}

SurfFeature(src1,src2,1000);

return 0;

}

imshow("测试图",src);

//创建放置关键点的vector

vector keyPoints;

//创建FAST对象&＃xff0c;并将阈值设定为55

FastFeatureDetector fast(55);

//获取特征点

fast.detect(src, keyPoints);

//在原图上画出特征点

drawKeypoints(src, keyPoints, src, Scalar(0, 0, 255), DrawMatchesFlags::DRAW_OVER_OUTIMG);

imshow("FAST feature", src);

waitKey(0);

return 0;

}

Mat srcImage2 &＃61; imread("hand2.jpg", 1);

//转换为灰度图

Mat grayImage1, grayImage2;

cvtColor(srcImage1, grayImage1, CV_RGB2GRAY);

cvtColor(srcImage2, grayImage2, CV_RGB2GRAY);

//定义特征点检测器&＃xff08;注意SurfFeatureDetector和SurfDescriptorExtractor是等价的&＃xff09;

SurfFeatureDetector detector(400);

//声明存放关键点的容器

vector keyPoints1, keyPoints2;

//特征点检测

detector.detect(grayImage1, keyPoints1);

detector.detect(grayImage2, keyPoints2);

//定义特征提取器,采用了BRIEF特征描述子

BriefDescriptorExtractor extractor(64);// //参数表示字节数,采用长度为64×8&＃61;512的向量表示

//注意bytes参数表示的是描述子占用的字节数不是描述子长度&＃xff0c;如默认采用32字节对应描述子长度为32×8&＃61;256&＃xff1b;

//声明存放特征向量的特征描述矩阵

Mat descriptorMat1, descriptorMat2;

//计算SURF特征描述矩阵&＃xff08;计算特征向量&＃xff09;

extractor.compute(grayImage1, keyPoints1, descriptorMat1);

extractor.compute(grayImage2, keyPoints2, descriptorMat2);

//用匹配器进行匹配。之前介绍过FLANN匹配器和暴力匹配器(BruteForceMatcher)

BFMatcher matcher(NORM_HAMMING); //汉明距离匹配特征点

//定义特征点匹配向量

vector matches;

matcher.match(descriptorMat1, descriptorMat2, matches);

//画图

Mat image;

drawMatches(srcImage1, keyPoints1, srcImage2, keyPoints2, matches, image);

imshow("BRIEF特征描述子出来的匹配结果", image);

定义特征提取器,采用了SURF的特征描述子

//SurfDescriptorExtractor extractor1;// //参数表示字节数,采用长度为64×8&＃61;512的向量表示

声明存放特征向量的特征描述矩阵

//Mat descriptorMat1_1, descriptorMat2_1;

计算SURF特征描述矩阵&＃xff08;计算特征向量&＃xff09;

//extractor1.compute(grayImage1, keyPoints1, descriptorMat1_1);

//extractor1.compute(grayImage2, keyPoints2, descriptorMat2_1);

用匹配器进行匹配。之前介绍过FLANN匹配器和暴力匹配器(BruteForceMatcher)

//BFMatcher matcher1; //汉明距离匹配特征点

//

定义特征点匹配向量

//vector matches1;

//matcher1.match(descriptorMat1_1, descriptorMat2_1, matches1);

画图

//Mat image1;

//drawMatches(srcImage1, keyPoints1, srcImage2, keyPoints2, matches1, image1);

//imshow("采用了SURF的特征描述子出来的匹配结果", image1);

waitKey(0);

return 0;

}

Mat src2 &＃61; imread("hand2.jpg", 1);

ORB_feature_and_compare(src1, src2);

return 0;

}