线描述符匹配演示
此示例显示由cv.BinaryDescriptorMatcher类提供的行描述符匹配的功能。
此模块显示如何通过2种不同的方法从图像中提取线段：首先使用线段检测器cv.LSDDetector对线进行分段，然后（或仅使用）使用二进制描述符获取线并为它们提供描述符cv.BinaryDescriptor。最后，我们可以使用cv.BinaryDescriptorMatcher类匹配线段。
资料来源：
- https://github.com/opencv/opencv_contrib/blob/3.1.0/modules/line_descriptor/samples/matching.cpp
内容
- 描述符之间的匹配
- 图片
- BinaryDescriptor：检测和计算
- BinaryDescriptor：匹配
- LSDDetector：检测和计算
- LSDDetector：匹配
描述符之间的匹配
如果我们从两个不同的图像中提取了描述符，则可以在它们之间搜索匹配。一种方法是将描述符与每个输入查询描述符完全匹配，选择最近距离的描述符。
有时，我们可能有兴趣搜索最接近的k描述符，给定一个输入。请参见cv.BinaryDescriptorMatcher.knnMatch
在某些情况下，我们可以有一个搜索半径，看看远处的最重要的描述符[R从输入查询。请参阅cv.BinaryDescriptorMatcher.radiusMatch
图片
如果为 false，％load images
img1 = cv.imread（fullfile（mexopencv.root（），'test'，'books_left.jpg'），'Color'，true）;
img2 = cv.imread（fullfile（mexopencv.root（），'test'，'books_right.jpg'），'Color'，true）;
否则
im = which（'cameraman.tif'）;
if isempty（im），im = fullfile（mexopencv.root（），'test'，'blox.jpg'）; 结束
img1 = cv.imread（im，'Color'，true）;
M = cv.getRotationMatrix2D（round（[size（img1,2）size（img1,1）] ./ 2）， - 20，0.9）;
img2 = cv.warpAffine（img1，M）;
结束
％创建二进制掩码
mask1 = ones（size（img1,1），size（img1,2），'uint8'）;
mask2 = ones（size（img2,1），size（img2,2），'uint8'）;
subplot（121），imshow（img1）
subplot（122），imshow（img2）
img img1 img2 mask1 mask2 名称大小字节类属性
img1 256x256x3 196608 uint8
img2 256x256x3 196608 uint8
mask1 256x256 65536 uint8
mask2 256x256 65536 uint8
BinaryDescriptor：检测和计算
％使用默认参数创建BinaryDescriptor对象
bd = cv.BinaryDescriptor（）;
％compute lines and descriptors
[keylines1，descr1] = bd.detectAndCompute（img1，'Mask'，mask1）;
[keylines2，descr2] = bd.detectAndCompute（img2，'Mask'，mask2）;
卫生组织keylines1 keylines2 descr1 descr2
％从第一个八度音程中选择keylines及其描述符
idx =（[keylines1.octave] == 0）;
keylines1 = keylines1（idx）;
descr1 = descr1（idx，:);
idx =（[keylines2.octave] == 0）;
keylines2 = keylines2（idx）;
descr2 = descr2（idx，:); 名称大小字节类属性
descr1 53x32 1696 uint8
descr2 46x32 1472 uint8
keylines1 1x53 79208 struct
keylines2 1x46 68848 struct
BinaryDescriptor：匹配
％创建BinaryDescriptorMatcher对象
bdm = cv.BinaryDescriptorMatcher（）;
％需要匹配
matches = bdm.match（descr1，descr2）
％选择最佳匹配
MATCHES_DIST_THRESHOLD = 25;
good_matches =（[matches.distance] '匹配数=％d \ n' ，nnz（good_matches））;
％plot匹配
outImg = cv.drawLineMatches（img1，keylines1，img2，keylines2，matches，...
'MatchesMask'，good_matches）;
图，imshow（outImg）
标题（'八度音阶0'）匹配=
带字段的1×53结构数组：
queryIdx
trainIdx
imgIdx
距离
好的比赛数= 12
LSDDetector：检测和计算
％创建一个LSD检测器
lsd = cv.LSDDetector（）;
％检测行
keylines1 = lsd.detect（img1，'Scale'，2，'NumOctaves'，2，'Mask'，mask1）;
keylines2 = lsd.detect（img2，'Scale'，2，'NumOctaves'，2，'Mask'，mask2）;
卫生组织keylines1 keylines2
行的％计算描述符
descr1 = bd.compute（img1，keylines1）;
descr2 = bd.compute（img2，keylines2）;
卫生组织descr1 descr2
％从第二个八度音程中选择行和描述符
idx =（[keylines1.octave] == 1）;
keylines1 = keylines1（idx）;
descr1 = descr1（idx，:);
idx =（[keylines2.octave] == 1）;
keylines2 = keylines2（idx）;
descr2 = descr2（idx，:); 名称大小字节类属性
keylines1 1x230 341168结构
keylines2 1x208 308608 struct
名称大小字节类属性
descr1 230x32 7360 uint8
descr2 208x32 6656 uint8
LSDDetector：匹配
％compute匹配
matches = bdm.match（descr1，descr2）
％选择最佳匹配
good_matches =（[matches.distance] '匹配数=％d \ n' ，nnz（good_matches））;
％情节匹配
img1 = cv.resize（img1,0.5,0.5）;
img2 = cv.resize（img2,0.5,0.5）;
outImg = cv.drawLineMatches（img1，keylines1，img2，keylines2，matches，...
'MatchesMask'，good_matches）;
图，imshow（outImg）
标题（'LSD匹配八度音阶'）匹配=
带字段的1×64结构数组：
queryIdx
trainIdx
imgIdx
距离
好匹配数= 16
