OpenCV2简单的特征匹配

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。

简单的特征匹配

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;
}

 

实例化了一个特征提取器SurfFeatureDetector，其构造函数参数（minHessian）用来平衡提取到的特征点的数量和特征提取的稳定性的，对于不同的特征提取器改参数具有不同的含义和取值范围。

对得到的特征点提取特征向量（特征描述符）

匹配，上面代码使用了暴力匹配的方法,最后的匹配结果保存在vector<DMatch>中。

DMatch用来保存匹配后的结果

 

struct DMatch
{         //三个构造函数
DMatch() :
queryIdx(-1), trainIdx(-1), imgIdx(-1), distance(std::numeric_limits<float>::max()) {}
DMatch(int  _queryIdx, int  _trainIdx, float  _distance) :
queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(-1), distance(_distance) {}
DMatch(int  _queryIdx, int  _trainIdx, int  _imgIdx, float  _distance) : queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(_imgIdx), distance(_distance) {}
int queryIdx;  //此匹配对应的查询图像的特征描述子索引
int trainIdx;   //此匹配对应的训练(模板)图像的特征描述子索引
int imgIdx;    //训练图像的索引(若有多个)
float distance;  //两个特征向量之间的欧氏距离，越小表明匹配度越高。
bool operator < (const DMatch &m) const;
};

 

然后使用drawMatches方法可以匹配后的结构保存为Mat