酒店网站建设哪家好,品牌建设的内容包括,深圳网络营销和推广渠道,网络优化怎么自己做网站随手笔记——演示如何提取 ORB 特征并进行匹配 说明知识点源代码 说明
演示如何提取 ORB 特征并进行匹配
知识点
特征点由关键点#xff08;Key-point#xff09;和描述子#xff08;Descriptor#xff09;两部分组成。
ORB 特征亦由关键点和描述子两部分组成。它的关键… 随手笔记——演示如何提取 ORB 特征并进行匹配 说明知识点源代码 说明
演示如何提取 ORB 特征并进行匹配
知识点
特征点由关键点Key-point和描述子Descriptor两部分组成。
ORB 特征亦由关键点和描述子两部分组成。它的关键点称为“Oriented FAST”是一种改进的 FAST 角点。它的描述子称为 BRIEFBinary Robust Independent Elementary Feature。因此提取ORB 特征分为如下两个步骤
FAST 角点提取找出图像中的“角点”。相较于原版的 FASTORB 中计算了特征点的主方 向为后续的 BRIEF 描述子增加了旋转不变特性。BRIEF 描述子对前一步提取出特征点的周围图像区域进行描述。ORB 对 BRIEF 进行了一 些改进主要是指在 BRIEF 中使用了先前计算的方向信息。
源代码
#include iostream
#include opencv2/core/core.hpp
#include opencv2/features2d/features2d.hpp
#include opencv2/highgui/highgui.hpp
#include chronousing namespace std;
using namespace cv;int main(int argc, char **argv) {if (argc ! 3) {cout usage: feature_extraction img1 img2 endl;return 1;}//-- 读取图像Mat img_1 imread(argv[1], CV_LOAD_IMAGE_COLOR);Mat img_2 imread(argv[2], CV_LOAD_IMAGE_COLOR);assert(img_1.data ! nullptr img_2.data ! nullptr);//-- 初始化std::vectorKeyPoint keypoints_1, keypoints_2;Mat descriptors_1, descriptors_2;PtrFeatureDetector detector ORB::create();PtrDescriptorExtractor descriptor ORB::create();PtrDescriptorMatcher matcher DescriptorMatcher::create(BruteForce-Hamming);//-- 第一步:检测 Oriented FAST 角点位置chrono::steady_clock::time_point t1 chrono::steady_clock::now();detector-detect(img_1, keypoints_1);detector-detect(img_2, keypoints_2);//-- 第二步:根据角点位置计算 BRIEF 描述子descriptor-compute(img_1, keypoints_1, descriptors_1);descriptor-compute(img_2, keypoints_2, descriptors_2);chrono::steady_clock::time_point t2 chrono::steady_clock::now();chrono::durationdouble time_used chrono::duration_castchrono::durationdouble(t2 - t1);cout extract ORB cost time_used.count() seconds. endl;Mat outimg1;drawKeypoints(img_1, keypoints_1, outimg1, Scalar::all(-1), DrawMatchesFlags::DEFAULT);imshow(ORB features, outimg1);//-- 第三步:对两幅图像中的BRIEF描述子进行匹配使用 Hamming 距离vectorDMatch matches;t1 chrono::steady_clock::now();matcher-match(descriptors_1, descriptors_2, matches);t2 chrono::steady_clock::now();time_used chrono::duration_castchrono::durationdouble(t2 - t1);cout match ORB cost time_used.count() seconds. endl;//-- 第四步:匹配点对筛选// 计算最小距离和最大距离auto min_max minmax_element(matches.begin(), matches.end(),[](const DMatch m1, const DMatch m2) { return m1.distance m2.distance; });double min_dist min_max.first-distance;double max_dist min_max.second-distance;printf(-- Max dist : %f \n, max_dist);printf(-- Min dist : %f \n, min_dist);//当描述子之间的距离大于两倍的最小距离时,即认为匹配有误.但有时候最小距离会非常小,设置一个经验值30作为下限.std::vectorDMatch good_matches;for (int i 0; i descriptors_1.rows; i) {if (matches[i].distance max(2 * min_dist, 30.0)) {good_matches.push_back(matches[i]);}}//-- 第五步:绘制匹配结果Mat img_match;Mat img_goodmatch;drawMatches(img_1, keypoints_1, img_2, keypoints_2, matches, img_match);drawMatches(img_1, keypoints_1, img_2, keypoints_2, good_matches, img_goodmatch);imshow(all matches, img_match);imshow(good matches, img_goodmatch);waitKey(0);return 0;
}注以上笔记仅供个人学习使用如有侵权请联系
