opencv4 stitcher源码 opencv4.5sift

前言

关于SIFT的特征点检测在《C++ OpenCV特征提取之SIFT特征检测》有介绍过，在OpenCV4.5版本中SIFT做是算法优化，也移到主仓库中了，并且有朋友也留言问了4.5版本下的DEMO。

所以这篇就做一下OpenCV4.5版本的SIFT特征点检测及匹配。

实现效果

两张原图

匹配的效果

代码实现

微卡智享

 

#	实现流程
1	定义检测的特征点个数，用SIFT进行特征检测
2	对检测完的两个图做特征向量的提取
3	使用BFMatch进行匹配，筛选出好的结果
4	画出匹配的特征点

 

01

SIFT特征检测

以前版本中使用SIFT需要引入xfeatures2d.hpp，而现在就不用了。

旧版本

新版本

02

特征向量的提取

接下来就是计算特征点描述符,特征向量的提取

特征向量提取

03

使用BFMatch匹配

提取完特征向量后，对两个特征向量进行匹配，然后通过匹配的结果计算出向量的最大和最小距离。

特征匹配及计算最大最小距离

04

筛选好的匹配结果

最后就是根据最大最小的距离，从匹配的点中筛选出好的结果，再展示出来。

筛选结果绘制图像

完整代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include"CvUtils.h"


using namespace std;
using namespace cv;


int main(int argc, char** argv) {


  Mat src = imread("E:/DCIM/hrd/h1.jpg");
  CvUtils::MatResize(src);
  CvUtils::SetShowWindow(src, "src", 10, 20);
  imshow("src", src);


  Mat src2 = imread("E:/DCIM/hrd/h3.jpg");
  CvUtils::MatResize(src2);
  CvUtils::SetShowWindow(src2, "src2", 300, 20);
  imshow("src2", src2);


  //定义Sift的基本参数
  int numFeatures = 500;
  //创建detector存放到KeyPoints中
  Ptr<SIFT> detector = SIFT::create(numFeatures);
  vector<KeyPoint> keypoints, keypoints2;
  detector->detect(src, keypoints);
  detector->detect(src2, keypoints2);
  //打印Keypoints
  cout << "Keypoints:" << keypoints.size() << endl;
  cout << "Keypoints2:" << keypoints2.size() << endl;


  Mat drawsrc, drawsrc2;
  drawKeypoints(src, keypoints, drawsrc);
  CvUtils::SetShowWindow(drawsrc, "drawsrc", 10, 20);
  imshow("drawsrc", drawsrc);
  drawKeypoints(src2, keypoints2, drawsrc2);
  CvUtils::SetShowWindow(drawsrc2, "drawsrc2", 300, 20);
  imshow("drawsrc2", drawsrc2);


  //计算特征点描述符,特征向量提取
  Mat dstSIFT, dstSIFT2;
  Ptr<SiftDescriptorExtractor> descriptor = SiftDescriptorExtractor::create();
  descriptor->compute(src, keypoints, dstSIFT);
  descriptor->compute(src2, keypoints2, dstSIFT2);
  cout << dstSIFT.cols << endl;
  cout << dstSIFT2.rows << endl;


  //进行BFMatch暴力匹配
  BFMatcher matcher(NORM_L2);
  //定义匹配结果变量
  vector<DMatch> matches;
  //实现描述符之间的匹配
  matcher.match(dstSIFT, dstSIFT2, matches);


  //定义向量距离的最大值与最小值
  double max_dist = 0;
  double min_dist = 1000;
  for (int i = 1; i < dstSIFT.rows; ++i)
  {
    //通过循环更新距离，距离越小越匹配
    double dist = matches[i].distance;
    if (dist > max_dist)
      max_dist = dist;
    if (dist < min_dist)
      min_dist = dist;
  }
  cout << "min_dist=" << min_dist << endl;
  cout << "max_dist=" << max_dist << endl;
  //匹配结果筛选    
  vector<DMatch> goodMatches;
  for (int i = 0; i < matches.size(); ++i)
  {
    double dist = matches[i].distance;
    if (dist < 2 * min_dist)
      goodMatches.push_back(matches[i]);
  }
  cout << "goodMatches:" << goodMatches.size() << endl;


  Mat result;
  //匹配特征点天蓝色，单一特征点颜色随机
  drawMatches(src, keypoints, src2, keypoints2, goodMatches, result, 
    Scalar(255, 255, 0), Scalar::all(-1));
  CvUtils::SetShowWindow(result, "Result", 100, 20);
  imshow("Result", result);




  waitKey(0);
  return 0;
}

源码地址

https://github.com/Vaccae/OpenCVDemoCpp.git

这个Demo我也整合到OpenCV练习Demo中了，GitHub上不去的朋友，可以击下方的原文链接跳转到码云的地址，关注【微卡智享】公众号，回复【源码】可以下载我的所有开源项目。

完