OpenCV学习笔记__特征检测与匹配之 SURF算法

SURF 算法  ——“加速版的具有鲁棒性的特征”算法

步骤：

特征检测 —— 特征描述 —— 特征匹配

实现流程：

（1）特征检测：SurfFeatureDetector类 . detect( )函数                 

（2）特征描述：SurfDescriptorExtractor类 . compute( )函数

（3）特征匹配：BruteForceMatcher类 . match( )函数

（这三步的实现都类似：类实例化一个对象，（定义vector或者Mat存放结果），调用函数，将计算结果存储供给下一步使用）

（4）最后显示“匹配图”：drawMatches( )函数

实现代码：

#include "opencv2/core/core.hpp"#include "opencv2/features2d/features2d.hpp"#include "opencv2/highgui/highgui.hpp"#include <opencv2/nonfree/nonfree.hpp>#include<opencv2/legacy/legacy.hpp>#include <iostream>using namespace cv;using namespace std;int main(){//【1】载入素材图Mat srcImage1 = imread("1.jpg", 1);Mat srcImage2 = imread("2.jpg", 1);if (!srcImage1.data || !srcImage2.data){printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false;}//【2】使用SURF算子检测关键点int minHessian = 700;//SURF算法中的hessian阈值SurfFeatureDetector detector(minHessian);//定义一个SurfFeatureDetector（SURF） 特征检测类对象  std::vector<KeyPoint> keyPoint1, keyPoints2;//vector模板类，存放任意类型的动态数组//【3】调用detect函数检测出SURF特征关键点，保存在vector容器中detector.detect(srcImage1, keyPoint1);detector.detect(srcImage2, keyPoints2);//【4】计算描述符（特征向量）SurfDescriptorExtractor extractor;Mat descriptors1, descriptors2;extractor.compute(srcImage1, keyPoint1, descriptors1);extractor.compute(srcImage2, keyPoints2, descriptors2);//【5】使用BruteForce进行匹配// 实例化一个匹配器BruteForceMatcher< L2<float> > matcher;std::vector< DMatch > matches;//匹配两幅图中的描述子（descriptors）matcher.match(descriptors1, descriptors2, matches);//【6】绘制从两个图像中匹配出的关键点Mat imgMatches;drawMatches(srcImage1, keyPoint1, srcImage2, keyPoints2, matches, imgMatches);//进行绘制//【7】显示效果图imshow("匹配图", imgMatches);waitKey(0);return 0;}