若该文为原创文章，未经允许不得转载

上一篇：《》

前言

  红胖子，来也！

Demo

最近邻匹配（FLANN）

  FlannBasedMatcher中FLANN的含义是Fast Library forApproximate Nearest Neighbors，目前最完整的（近似）最近邻匹配。不但实现了一系列查找算法，还包含了一种自动选取最快算法的机制。

本篇章使用sift/surf特征点

sift特征点

  尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。

surf特征点

  SURF算法采用了很多方法来对每一步进行优化从而提高速度。分析显示在结果效果相当的情况下SURF的速度是SIFT的3倍。SURF善于处理具有模糊和旋转的图像，但是不善于处理视角变化和光照变化。（SIFT特征是局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性）。

FlannBasedMatcher类的使用

定义

// 定义匹配器cv::Ptr
    
      pFlannBasedMatcher = cv::FlannBasedMatcher::create();// 定义结果存放std::vector
     
       listDMatch;// 存储特征点检测器检测特征后的描述字cv::Mat descriptor1;cv::Mat descriptor2;
     
    

特征点提取

pFlannBasedMatcher->detectAndCompute(srcMat1, cv::Mat(), keyPoints1, descriptor1);pFlannBasedMatcher->detectAndCompute(srcMat1, cv::Mat(), keyPoints1, descriptor1);

匹配

// FlannBasedMatcher最近邻匹配pFlannBasedMatcher->match(descriptor1, descriptor2, listDMatch); FlannBasedMatcher相关函数原型static Ptr
    
      create() ;
    

无参数

FlannBasedMatcher::match( InputArray queryDescriptors,                          InputArray trainDescriptors,                          std::vector
    
     & matches,                          InputArray mask=noArray() ) const;
    

• 参数一：InputArray类型的queryDescriptors，查询描述符集，一般cv::Mat，某个特征提取的描述符。
• 参数二：InputArray类型的trainDescriptors，训练描述符集，此处输入的应该是没有加入到类对象集合种的（该类有训练的数据集合），一般cv::Mat，某个特征提取的描述符。
• 参数三：std::vector类型的matches。如果在掩码中屏蔽了查询描述符，则不会为此添加匹配项描述符。因此，匹配项的大小可能小于查询描述符计数。
• 参数四：InputArray类型的mask，指定输入查询和训练矩阵之间允许的匹配的掩码描述符。
  绘制匹配关系图函数原型

void drawMatches( InputArray img1,                  const std::vector
    
     & keypoints1,                  InputArray img2,                  const std::vector
     
      & keypoints2,                  const std::vector
      
       & matches1to2,                  InputOutputArray outImg,                  const Scalar& matchColor=Scalar::all(-1),                  const Scalar& singlePointColor=Scalar::all(-1),                  const std::vector
       
        & matchesMask=std::vector
        
         (),                  int flags=DrawMatchesFlags::DEFAULT );
        
       
      
     
    

• 参数一：InputArray类型的img1，图像1。
• 参数二：std::vector类型的keypoints1，图像1的关键点。
• 参数三：InputArray类型的img2，图像2。
• 参数四：std::vector类型的keypoints2，图像2的关键点。
• 参数五：std::vector类型的matchers1to2，从第一个图像匹配到第二个图像，这意味着keypoints1[i]在keypoints2中有一个对应的点[matches[i]]。
• 参数六：InputOutputArray类型的outImg，为空时，默认并排绘制输出图像以及连接关键点；若不为空，则在图像上绘制关系点。
• 参数七：Scalar类型的matcherColor，匹配颜色匹配（线和连接的关键点）的颜色。如果颜色为cv::Scalar::all(-1)，则为随机颜色。
• 参数八：Scalar类型的singlePointColor，颜色单个关键点（圆）的颜色，这意味着关键点没有匹配到的则认是该颜色。
• 参数九：std::vector类型的matchersMask，确定绘制的匹配项目，若是为空，则表示全部绘制。
• 参数十：int类型的flags，查看枚举DrawMatchesFlags，如下：
    

Demo

void OpenCVManager::testFlannBasedMatcher(){    QString fileName1 = "21.jpg";    QString fileName2 = "24.jpg";    int width = 400;    int height = 300;    cv::Mat srcMat = cv::imread(fileName1.toStdString());    cv::Mat srcMat3 = cv::imread(fileName2.toStdString());    cv::resize(srcMat, srcMat, cv::Size(width, height));    cv::resize(srcMat3, srcMat3, cv::Size(width, height));    cv::String windowName = _windowTitle.toStdString();    cvui::init(windowName);    cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),                                srcMat.type());    cv::Ptr
    
      _pSift = cv::xfeatures2d::SiftFeatureDetector::create();    cv::Ptr
     
       _pSurf = cv::xfeatures2d::SurfFeatureDetector::create();    cv::Ptr
      
        _pFeature2D;    int type = 0;    int k1x = 0;    int k1y = 0;    int k2x = 100;    int k2y = 0;    int k3x = 100;    int k3y = 100;    int k4x = 0;    int k4y = 100;    // 定义匹配器    cv::Ptr
       
         pFlannBasedMatcher = cv::FlannBasedMatcher::create();    // 定义结果存放    std::vector
        
          listDMatch;    // 存储特征点检测器检测特征后的描述字    cv::Mat descriptor1;    cv::Mat descriptor2;    bool moveFlag = true;  // 移动的标志，不用每次都匹配    windowMat = cv::Scalar(0, 0, 0);    while(true)    {        cv::Mat mat;        {            std::vector
         
           keyPoints1; std::vector
          
            keyPoints2; int typeOld = type; int k1xOld = k1x; int k1yOld = k1y; int k2xOld = k2x; int k2yOld = k2y; int k3xOld = k3x; int k3yOld = k3y; int k4xOld = k4x; int k4yOld = k4y; mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1), cv::Range(srcMat.cols * 0, srcMat.cols * 1)); mat = cv::Scalar(0); cvui::trackbar(windowMat, 0 + width * 0, 0 + height * 0, 165, &type, 0, 1); cv::String str; switch(type) { case 0: str = "sift"; _pFeature2D = _pSift; break; case 1: str = "surf"; _pFeature2D = _pSurf; break; default: break; } cvui::printf(windowMat, width / 2 + width * 0, 20 + height * 0, str.c_str()); cvui::printf(windowMat, 0 + width * 0, 60 + height * 0, "k1x"); cvui::trackbar(windowMat, 0 + width * 0, 70 + height * 0, 165, &k1x, 0, 100); cvui::printf(windowMat, 0 + width * 0, 120 + height * 0, "k1y"); cvui::trackbar(windowMat, 0 + width * 0, 130 + height * 0, 165, &k1y, 0, 100); cvui::printf(windowMat, width / 2 + width * 0, 60 + height * 0, "k2x"); cvui::trackbar(windowMat, width / 2 + width * 0, 70 + height * 0, 165, &k2x, 0, 100); cvui::printf(windowMat, width / 2 + width * 0, 120 + height * 0, "k2y"); cvui::trackbar(windowMat, width / 2 + width * 0, 130 + height * 0, 165, &k2y, 0, 100); cvui::printf(windowMat, 0 + width * 0, 30 + height * 0 + height / 2, "k3x"); cvui::trackbar(windowMat, 0 + width * 0, 40 + height * 0 + height / 2, 165, &k3x, 0, 100); cvui::printf(windowMat, 0 + width * 0, 90 + height * 0 + height / 2, "k3y"); cvui::trackbar(windowMat, 0 + width * 0, 100 + height * 0 + height / 2, 165, &k3y, 0, 100); cvui::printf(windowMat, width / 2 + width * 0, 30 + height * 0 + height / 2, "k4x"); cvui::trackbar(windowMat, width / 2 + width * 0, 40 + height * 0 + height / 2, 165, &k4x, 0, 100); cvui::printf(windowMat, width / 2 + width * 0, 90 + height * 0 + height / 2, "k4y"); cvui::trackbar(windowMat, width / 2 + width * 0, 100 + height * 0 + height / 2, 165, &k4y, 0, 100); if( k1xOld != k1x || k1yOld != k1y || k2xOld != k2x || k2yOld != k2y || k3xOld != k3x || k3yOld != k3y || k4xOld != k4x || k4yOld != k4y || typeOld != type) { moveFlag = true; } std::vector
           
             srcPoints; std::vector
            
              dstPoints; srcPoints.push_back(cv::Point2f(0.0f, 0.0f)); srcPoints.push_back(cv::Point2f(srcMat.cols - 1, 0.0f)); srcPoints.push_back(cv::Point2f(srcMat.cols - 1, srcMat.rows - 1)); srcPoints.push_back(cv::Point2f(0.0f, srcMat.rows - 1)); dstPoints.push_back(cv::Point2f(srcMat.cols * k1x / 100.0f, srcMat.rows * k1y / 100.0f)); dstPoints.push_back(cv::Point2f(srcMat.cols * k2x / 100.0f, srcMat.rows * k2y / 100.0f)); dstPoints.push_back(cv::Point2f(srcMat.cols * k3x / 100.0f, srcMat.rows * k3y / 100.0f)); dstPoints.push_back(cv::Point2f(srcMat.cols * k4x / 100.0f, srcMat.rows * k4y / 100.0f)); cv::Mat M = cv::getPerspectiveTransform(srcPoints, dstPoints); cv::Mat srcMat2; cv::warpPerspective(srcMat3, srcMat2, M, cv::Size(srcMat.cols, srcMat.rows), cv::INTER_LINEAR, cv::BORDER_CONSTANT, cv::Scalar::all(0)); mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1), cv::Range(srcMat.cols * 1, srcMat.cols * 2)); cv::addWeighted(mat, 0.0f, srcMat2, 1.0f, 0.0f, mat); if(moveFlag) { moveFlag = false; //特征点检测 // _pSift->detect(srcMat, keyPoints1); _pFeature2D->detectAndCompute(srcMat, cv::Mat(), keyPoints1, descriptor1); //绘制特征点(关键点) cv::Mat resultShowMat; cv::drawKeypoints(srcMat, keyPoints1, resultShowMat, cv::Scalar(0, 0, 255), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS); mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2), cv::Range(srcMat.cols * 0, srcMat.cols * 1)); cv::addWeighted(mat, 0.0f, resultShowMat, 1.0f, 0.0f, mat); //特征点检测 // _pSift->detect(srcMat2, keyPoints2); _pFeature2D->detectAndCompute(srcMat2, cv::Mat(), keyPoints2, descriptor2); //绘制特征点(关键点) cv::Mat resultShowMat2; cv::drawKeypoints(srcMat2, keyPoints2, resultShowMat2, cv::Scalar(0, 0, 255), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS); mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2), cv::Range(srcMat.cols * 1, srcMat.cols * 2)); cv::addWeighted(mat, 0.0f, resultShowMat2, 1.0f, 0.0f, mat); // FlannBasedMatcher最近邻匹配 pFlannBasedMatcher->match(descriptor1, descriptor2, listDMatch); // drawMatch绘制出来，并排显示了，高度一样，宽度累加（因为两个宽度相同，所以是两倍了） cv::Mat matchesMat; cv::drawMatches(srcMat, keyPoints1, srcMat2, keyPoints2, listDMatch, matchesMat); mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3), cv::Range(srcMat.cols * 0, srcMat.cols * 2)); cv::addWeighted(mat, 0.0f, matchesMat, 1.0f, 0.0f, mat); } } cv::imshow(windowName, windowMat); // 更新 cvui::update(); // 显示 // esc键退出 if(cv::waitKey(25) == 27) { break; } }}
            
           
          
         
        
       
      
     
    

工程模板：对应版本号v1.62.0

  对应版本号v1.62.0

上一篇：《》