OpenCV实践之MSER仿射匹配算法

MSER相关简述

　　极值稳定检测MSER算法是目前针对图像变形最为稳定的特征检测算法，主要采取分水岭算法来进行极值区域提取，具体细节就不多说了。大家可以参考MSER作者论文，或者我的博客链接MSER仿射不变特征匹配算法。当然也出现针对MSER算法的改进版本，分为两个方面：其一是对MSER算法进行加速，即计算效率提升；其二是针对彩色图像提出的MSCR算法，论文中述说对于彩色图像提取极值区域要优于MSER算法。但是，近两日我在OpenCV开放的MSER对外接口进行MSER/MSCR进行对比，发现其实好像MSCR算法并没有优于MSER算法，后续将会仔细对比二者性能。好了，这篇博文主要写OpenCV版库简单调用MSER算法进行灰度仿射图像对匹配应用，代码如下：

OpenCV版MSER实践代码

　函数代码如下

两个辅助函数
draw_ellipse()绘制特征点椭圆信息函数
ConvertEllipseKeyPointToKeyPoint()函数将Elliptic_KeyPoint数据结构转换为KeyPoint

下面进行简单的实验，按照标准的MSER + SIFT算法与MSER + DAISY算法进行简单的实验。DAISY是Engin Tola于2010年针对稠密特征所提出的快速计算局部特征描述子，主要思想与SIFT类似都采取分块梯度直方图，只是DAISY在分块策略上进行改进，利用不同大小的高斯核进行卷积使得直方图分块汇聚，具体可以参考论文DAISY论文。

实验对比

MSER + SIFT + FLANN + VFC仿射特征匹配结果 MSER + DAISY + FLANN + VFC仿射特征匹配结果
　　特征匹配算法种类繁多，构建尺度空间的策略、特征点检测方式、描述符构建方式、匹配策略、匹配点对提纯策略等等，这些都需要根据具体的应用来进行组合以获得最适应的效果。要想获得所有方面最优的策略似乎不太可能，或者说几乎没有。因此，这才符合正常的自然发展现象：晕……这是说到哲学去了，好吧！收！！！
最后，还是那句：如果错误，还请批评指正！！！

代码下载

Github : 　　https://github.com/SmallMunich/MSERAffineMatch
当然，需要精匹配提纯特征点的vfc.h/vfc.cpp文件下载在这里：
原作者官网下载代码：
　　　　http://www.escience.cn/people/jiayima/cxdm.html
或者我的Github上面：
　　　　https://github.com/SmallMunich/HarrisAffineMatch_OpenCV

参考

http://cmp.felk.cvut.cz/~matas/papers/matas-bmvc02.pdf
http://pdfs.semanticscholar.org/40df/0cc1049bba31904ae69eaabbb5231daa8857.pdf