利用OpenCV提取SIFT特征以及RANSAC筛选后的匹配

近来研究如何利用OpenCV中SIFT特征提取和RANSAC筛选进行特征匹配，发现很多版本的代码不在支持较新版本的OpenCV用法，本篇文章也是借鉴了其他博主的经验分享，整理而成，希望对大家有所帮助。

 #include "cv.h"
 #include "highgui.h"
 #include "opencv2/imgproc/imgproc.hpp"
 #include "opencv2/opencv.hpp"
 #include "opencv2/core/core.hpp"
 #include "opencv2/features2d/features2d.hpp"
 #include "opencv2/nonfree/nonfree.hpp"

 using namespace cv;

   //读取图像
    Mat img_test=imread("1.bmp");
    Mat img_template=imread("2.bmp");

    //SIFT特征检测
    SiftFeatureDetector detector;       //定义特征点检测器
    vector keypoint1,keypoint2; //定义两个容器存放特征点
    detector.detect(img_test,keypoint1);
    detector.detect(img_template,keypoint2);

或者

    Ptr sift_detector = FeatureDetector::create("SIFT");
      sift_detector ->detector(img_test,keypoint1);
      sift_detector ->detector(img_template,keypoint2);

//特征点显示
Mat out_img1;
Mat out_img2;
drawKeypoints(img_test,keypoint1,out_img1);
drawKeypoints(img_template,keypoint2,out_img2);
imshow("特征点图1",out_img1);
imshow("特征点图2",out_img    //提取特征点的特征描述子（特征向量）（128维）
SiftDescriptorExtractor extractor;
Mat descriptor1,descriptor2;
extractor.compute(img1,keypoint1,descriptor1);
extractor.compute(img2,keypoint2,descriptor2);

或者

Ptr< DescriptorExtractor>  sift_desc_extract = DescriptorExtractor::create(“SIFT”);
sift_desc_extract-> compute(img1,keypoint1,descriptor1);
sift_desc_extract-> compute(img2,keypoint2,descriptor2);

//匹配，主要计算两个特征点特征向量的欧式距离，距离小于某个阈值则认为匹配
BruteForceMatcher> matcher;
vector matches;
Mat img_matches;
matcher.match(descriptor1,descriptor2,matches);

或者
Ptr bruteforce_matcher = Descriptormatcher::create(“BruteForce”);
bruteforce_matcher->match(descriptor1,descriptor2,matches);

drawMatches(img1,keypoint1,img2,keypoint2,matches,img_matches);
imshow("原始匹配",img_matches);1

//下面是利用RANSAC进行消除无匹配点：
//RANSAC 消除误匹配特征点 主要分为三个部分：
//1）根据matches将特征点对齐,将坐标转换为float类型
//2）使用求基础矩阵方法 findFundamentalMat,得到RansacStatus
//3）根据RansacStatus来将误匹配的点也即RansacStatus[i]=0的点删除

//根据matches将特征点对齐,将坐标转换为float类型
vector R_keypoint1,R_keypoint2;
for (size_t i=0;ip1,p2;
for (size_t i=0;i RansacStatus;
Mat Fundamental= findFundamentalMat(p01,p02,RansacStatus,FM_RANSAC);


vector RR_keypoint1,RR_keypoint2;
vector RR_matches;     //重新定义RR_keypoint 和RR_matches来存储新的关键点和匹配矩阵
int index=0;
for (size_t i=0;i

“`