前言

图像拼接|——OpenCV3.4 stitching模块分析（一）特征点检测
参考opencv_赵春江的专栏_zhaocj-CSDN博客

特征点检测

OpenCV3.4中实现了surf、orb、sift等特征检测算法，默认的是surf。
特征检测算法的实现主要包含在 “opencv2/stitching/detail/matchers.hpp” 中。

源码

首先定义了一个ImageFeatures结构体用于存放特征信息，包括图片序号、尺寸、特征点信息及描述子矩阵：

struct CV_EXPORTS ImageFeatures
{int img_idx;Size img_size;std::vector<KeyPoint> keypoints;UMat descriptors;
};

定义FeaturesFinder基类，其中的成员函数find()是用来寻找特征信息：

class CV_EXPORTS FeaturesFinder
{public:virtual ~FeaturesFinder() {}//重载void operator ()(InputArray image, ImageFeatures &features);//寻找给定图像特征void operator ()(InputArray image, ImageFeatures &features, const std::vector<cv::Rect> &rois);//并行寻找给定图像特征void operator ()(InputArrayOfArrays images, std::vector<ImageFeatures> &features,const std::vector<std::vector<cv::Rect> > &rois);//重载void operator ()(InputArrayOfArrays images, std::vector<ImageFeatures> &features);//释放内存virtual void collectGarbage() {}protected://纯虚函数，根据用户所选取的特征类别，调用不同子类的find函数virtual void find(InputArray image, ImageFeatures &features) = 0;//判断是否可以并行bool isThreadSafe() const;
};

FeaturesFinder基类派生出SurfFeaturesFinder、SiftFeaturesFinder、OrbFeaturesFinder等派生类。
SurfFeaturesFinder派生类定义：

class CV_EXPORTS SurfFeaturesFinder : public FeaturesFinder
{public:SurfFeaturesFinder(double hess_thresh = 300., int num_octaves = 3, int num_layers = 4,int num_octaves_descr = /*4*/3, int num_layers_descr = /*2*/4);private:void find(InputArray image, ImageFeatures &features) CV_OVERRIDE;Ptr<FeatureDetector> detector_;Ptr<DescriptorExtractor> extractor_;Ptr<Feature2D> surf;
};

SiftFeaturesFinder派生类定义：

class CV_EXPORTS SiftFeaturesFinder : public FeaturesFinder
{public:SiftFeaturesFinder();private:void find(InputArray image, ImageFeatures &features) CV_OVERRIDE;Ptr<Feature2D> sift;
};

OrbFeaturesFinder派生类定义：

class CV_EXPORTS OrbFeaturesFinder : public FeaturesFinder
{public:OrbFeaturesFinder(Size _grid_size = Size(3,1), int nfeatures=1500, float scaleFactor=1.3f, int nlevels=5);private:void find(InputArray image, ImageFeatures &features) CV_OVERRIDE;Ptr<ORB> orb;Size grid_size;
};

关于各个特征检测算法的具体实现，就不具体展开了，一般只要知道怎样调用高级API即可。

应用

#include <iostream>
#include "opencv2/highgui.hpp"
#include "opencv2/stitching/detail/matchers.hpp"using namespace std;
using namespace cv;
using namespace cv::detail;int main()
{Mat img = imread("4.jpg");Ptr<FeaturesFinder> finder1, finder2, finder3;finder1 = makePtr<SurfFeaturesFinder>();finder2 = makePtr<OrbFeaturesFinder>();finder3 = makePtr<SiftFeaturesFinder>();ImageFeatures features1, features2, features3;(*finder1)(img, features1);(*finder2)(img, features2);(*finder3)(img, features3);Mat output_img1, output_img2, output_img3;//调用drawKeypoints函数绘制特征drawKeypoints(img, features1.keypoints, output_img1, Scalar(255, 0, 0));drawKeypoints(img, features2.keypoints, output_img2, Scalar(255, 0, 0));drawKeypoints(img, features3.keypoints, output_img3, Scalar(255, 0, 0));cout << "Number of surf keypoints: " << features1.keypoints.size() << endl;cout << "Number of orb keypoints: " << features2.keypoints.size() << endl;cout << "Number of sift keypoints: " << features3.keypoints.size() << endl;namedWindow("surf");imshow("surf", output_img1);namedWindow("orb");imshow("orb", output_img2);namedWindow("sift");imshow("sift", output_img3);waitKey(0);return 0;
}

运行结果：

surf

orb

sift

Number of surf keypoints: 1403
Number of orb keypoints: 1346
Number of sift keypoints: 1287
主观视觉上还是SIFT更稳健一些，不过stitching默认使用的是surf。

图像拼接|OpenCV3.4 stitching源码分析（一）相关推荐

图像拼接|OpenCV3.4 stitching源码分析（一）续
图像拼接|OpenCV3.4 stitching源码分析(一)续前言 OpenCV与VLFeat的SIFT实现之对比 opencv vlfeat 参考前言图像拼接|--OpenCV3.4 sti ...
RobHess的SIFT源码分析：综述
最初的目的是想做全景图像拼接,一开始找了OpenCV中自带的全景拼接的样例,用的是Stitcher类,可以很方便的实现全景拼接,而且效果很好,但是不利于做深入研究. Stitcher类使用方法请查Op ...
【Golang源码分析】Go Web常用程序包gorilla/mux的使用与源码简析
目录[阅读时间:约10分钟] 一.概述二.对比: gorilla/mux与net/http DefaultServeMux 三.简单使用四.源码简析 1.NewRouter函数 2.HandleF ...
SpringBoot-web开发(四): SpringMVC的拓展、接管（源码分析）
[SpringBoot-web系列]前文: SpringBoot-web开发(一): 静态资源的导入(源码分析) SpringBoot-web开发(二): 页面和图标定制(源码分析) SpringBo ...
SpringBoot-web开发(二): 页面和图标定制(源码分析)
[SpringBoot-web系列]前文: SpringBoot-web开发(一): 静态资源的导入(源码分析) 目录一.首页 1. 源码分析 2. 访问首页测试二.动态页面 1. 动态资源目录t ...
SpringBoot-web开发(一): 静态资源的导入(源码分析)
目录方式一:通过WebJars 1. 什么是webjars? 2. webjars的使用 3. webjars结构 4. 解析源码 5. 测试访问方式二:放入静态资源目录 1. 源码分析 2. 测 ...
Yolov3Yolov4网络结构与源码分析
Yolov3&Yolov4网络结构与源码分析从2018年Yolov3年提出的两年后,在原作者声名放弃更新Yolo算法后,俄罗斯的Alexey大神扛起了Yolov4的大旗. 文章目录论文汇总 ...
ViewGroup的Touch事件分发(源码分析)
Android中Touch事件的分发又分为View和ViewGroup的事件分发,View的touch事件分发相对比较简单,可参考 View的Touch事件分发(一.初步了解) View的Touch事 ...
View的Touch事件分发(二.源码分析)
Android中Touch事件的分发又分为View和ViewGroup的事件分发,先来看简单的View的touch事件分发. 主要分析View的dispatchTouchEvent()方法和onTou ...

图像拼接|OpenCV3.4 stitching源码分析（一）

图像拼接|OpenCV3.4 stitching源码分析（一）

前言

特征点检测

源码

应用

图像拼接|OpenCV3.4 stitching源码分析（一）相关推荐

最新文章

热门文章