CV进阶操作【9】——特征检测与匹配

编程环境：

VS + OpenCV + C++
完整代码已经更新至GitHub,欢迎fork~GitHub链接

---

声明：创作不易，未经授权不得复制转载
statement:No reprinting without authorization

---

内容：

• 了解OpenCV中实现的SIFT, SURF, ORB等特征检测器的用法，并进行实验。将检测到的特征点用不同大小的圆表示，比较不同方法的效率、效果等。
• 了解OpenCV的特征匹配方法，并进行实验。

一、opencv特征检测和匹配的通用步骤及Code

//步骤一：读取图片并将图片灰度化 
//code：
Mat src1, src2;
src1 = imread("图片路径");
src2 = imread("图片路径");
Mat graySrc1, graySrc2;
cvtColor(src1, graySrc1, CV_BGR2GRAY);
cvtColor(src2, graySrc2, CV_BGR2GRAY);

//步骤二：提取特征并描述 
//code：
vector keys1;  
vector keys2;
Ptr detector = xfeatures2d::SURF::create(1500);

Mat descriptorMat1, descriptorMat2;
detector->detectAndCompute(src1, Mat(), keys1, descriptorMat1);
detector->detectAndCompute(src2, Mat(), keys2, descriptorMat2);

//步骤三：特征点匹配 
//code：
    cv::BFMatcher matcher;
    std::vector matches;
    matcher.match(descriptorMat1, descriptorMat2, matches);

//步骤四：获取优秀匹配点 
//code：
double max_dist = 0; double min_dist = 100;
for (int i=0; i max_dist) max_dist = dist;
}
cout<<"-- Max dist :"<< max_dist< good_matches;
for (int i=0; i(), 
            DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

注：需要添加#include，#include，其中SIFT和SURF在xfeatures2d中，ORB在feature2d中。

二、测试结果及对比展示

1、原图1(340*256)的特征检测结果：（按ORB->SURF->SIFT顺序）

image.png

image.png

image.png

2、原图2(320*426)的特征检测结果：（按ORB->SURF->SIFT顺序）

image.png

image.png

image.png

3、源图1和2的特征匹配结果（筛选后）：（按ORB->SURF->SIFT顺序）

image.png

对ORB的结果不进行matchs的筛选结果如下：

image.png

image.png

image.png

4、运行时间如下：

1.png

1.png

6、总结以上，从运行效率和效果上进行排序，可以发现SIFT > SURF > ORB,其中SIFT的方法最好。