OpenCV2简单的特征匹配
来源:互联网 发布:网络版进销存软件 编辑:程序博客网 时间:2024/05/21 08:24
特征的匹配大致可以分为3个步骤:
- 特征的提取
- 计算特征向量
- 特征匹配
对于3个步骤,在OpenCV2中都进行了封装。所有的特征提取方法都实现FeatureDetector接口,DescriptorExtractor接口则封装了对特征向量(特征描述符)的提取,而所有特征向量的匹配都继承了DescriptorMatcher接口。
surf
int main(){ const string imgName1 = "x://image//01.jpg"; const string imgName2 = "x://image//02.jpg"; Mat img1 = imread(imgName1); Mat img2 = imread(imgName2); if (!img1.data || !img2.data) return -1; //step1: Detect the keypoints using SURF Detector int minHessian = 400; SurfFeatureDetector detector(minHessian); vector<KeyPoint> keypoints1, keypoints2; detector.detect(img1, keypoints1); detector.detect(img2, keypoints2); //step2: Calculate descriptors (feature vectors) SurfDescriptorExtractor extractor; Mat descriptors1, descriptors2; extractor.compute(img1, keypoints1, descriptors1); extractor.compute(img2, keypoints2, descriptors2); //step3:Matching descriptor vectors with a brute force matcher BFMatcher matcher(NORM_L2); vector<DMatch> matches; matcher.match(descriptors1, descriptors2,matches); //Draw matches Mat imgMatches; drawMatches(img1, keypoints1, img2, keypoints2, matches, imgMatches); namedWindow("Matches"); imshow("Matches", imgMatches); waitKey(); return 0;}
0 0
- OpenCV2简单的特征匹配
- OpenCV2简单的特征匹配
- OpenCV2:特征匹配及其优化
- OpenCV2:特征匹配及其优化
- opencv2.4.9特征点的提取和匹配
- opencv2.4.9图像特征点的提取和匹配
- 基于OpenCV的简单图片特征匹配
- 【OpenCV】 基于 ransac 算法的 sift 特征匹配程序(开发环境为OpenCV2.3.1+VS2010)
- 【OpenCV】 基于 ransac 算法的 sift 特征匹配程序(开发环境为OpenCV2.3.1+VS2010)
- OpenCV2学习笔记(十三):基于SURF特征的图像匹配
- OpenCV】 基于 ransac 算法的 sift 特征匹配程序(开发环境为OpenCV2.3.1+VS2010)
- OpenCV2.4.3的新特征
- OpenCV2.4.3的新特征
- OpenCV2.4.3的新特征
- OpenCV2.4.3的新特征 .
- OpenCV2.4.3的新特征
- OpenCV2.4.4中调用SIFT特征检测器进行图像匹配
- OpenCV2.4.4中调用SIFT特征检测器进行图像匹配
- Mac OS安装nginx with nginx-stick-module-ng
- js jq队列动画分析
- 算法导论之概率分析和随机算法文档
- 【Java】集合遍历增强for和普通for的区别
- java 注解——使用详解
- OpenCV2简单的特征匹配
- ReactNative 第六节 实战之ReactJS 组件和生命周期
- jQuery基础——样式篇
- 通过案例快速学会Picasso图片缓存库
- UIImage
- iOS调试常用命令
- 图片缓存之内存缓存技术LruCache,软引用
- Hibernate之多对多表,操作实例
- hadoop mr sort排序 demo