opencv4使用sift以及surf

转自：https://blog.csdn.net/Gordon_Wei/article/details/88920411

opencv4.0.1 的编译完成版本已经没有SIFT和SURF算法了，一些算法因为专利或者未成熟的原因，不在发布的release版本中了，其中就包括SIFT和SURF，他们因为专利的原因不能用于商业，在2.x版本中，放在在nofree中，而3.x版本开始，这些方法被放入了opencv_contrib中，如果想使用需要自己编译到opencv中。

以下是实现的SUFR算法如果使用SIFT稍微改下即可

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>int main()
{cv::Mat imageL = cv::imread("imgL.bmp");cv::Mat imageR = cv::imread("imgR.bmp");//提取特征点方法//SIFT//cv::Ptr<cv::xfeatures2d::SIFT> sift = cv::xfeatures2d::SIFT::create();//ORB//cv::Ptr<cv::ORB> orb = cv::ORB::create();//SURFcv::Ptr<cv::xfeatures2d::SURF> surf = cv::xfeatures2d::SURF::create();//特征点std::vector<cv::KeyPoint> keyPointL, keyPointR;//单独提取特征点surf->detect(imageL, keyPointL);surf->detect(imageR, keyPointR);//画特征点cv::Mat keyPointImageL;cv::Mat keyPointImageR;drawKeypoints(imageL, keyPointL, keyPointImageL, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);drawKeypoints(imageR, keyPointR, keyPointImageR, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);//显示窗口cv::namedWindow("KeyPoints of imageL");cv::namedWindow("KeyPoints of imageR");//显示特征点cv::imshow("KeyPoints of imageL", keyPointImageL);cv::imshow("KeyPoints of imageR", keyPointImageR);//特征点匹配cv::Mat despL, despR;//提取特征点并计算特征描述子surf->detectAndCompute(imageL, cv::Mat(), keyPointL, despL);surf->detectAndCompute(imageR, cv::Mat(), keyPointR, despR);//Struct for DMatch: query descriptor index, train descriptor index, train image index and distance between descriptors.//int queryIdx –>是测试图像的特征点描述符（descriptor）的下标，同时也是描述符对应特征点（keypoint)的下标。//int trainIdx –> 是样本图像的特征点描述符的下标，同样也是相应的特征点的下标。//int imgIdx –>当样本是多张图像的话有用。//float distance –>代表这一对匹配的特征点描述符（本质是向量）的欧氏距离，数值越小也就说明两个特征点越相像。std::vector<cv::DMatch> matches;//如果采用flannBased方法 那么 desp通过orb的到的类型不同需要先转换类型if (despL.type() != CV_32F || despR.type() != CV_32F){despL.convertTo(despL, CV_32F);despR.convertTo(despR, CV_32F);}cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased");matcher->match(despL, despR, matches);//计算特征点距离的最大值 double maxDist = 0; for (int i = 0; i < despL.rows; i++){double dist = matches[i].distance;if (dist > maxDist) maxDist = dist;}//挑选好的匹配点std::vector< cv::DMatch > good_matches;for (int i = 0; i < despL.rows; i++){if (matches[i].distance < 0.5*maxDist){good_matches.push_back(matches[i]);}}cv::Mat imageOutput;cv::drawMatches(imageL, keyPointL, imageR, keyPointR, good_matches, imageOutput);cv::namedWindow("picture of matching");cv::imshow("picture of matching", imageOutput);cv::waitKey(0);return 0;
}

opencv4使用sift以及surf相关推荐

【转载】关于Opencv里SIFT和SURF是有专利算法的说明
原文地址 It's been two years already that I see the same subject that hangs on several times concerning ...
SIFT和SURF的替换算法——ORB (Oriented FAST and Rotated BRIEF 快速定向和旋转)
SIFT和SURF的替代算法--ORB (Oriented FAST and Rotated BRIEF 快速定向和旋转 1. 效果图 2. 源码参考 1. 用于关键点检测和描述的SIFT(Scal ...
SLAM前端 ---------特征提取之ORB（ORB与SIFT与SURF）
ORB 论文翻译: 一种特征匹配替代方法:对比SIFT或SURF 1.ORB特征简介 ORB是Oriented FAST and Rotated BRIEF(oFAST and rBRIEF)的简称 ...
在SIFT和SURF之后，有哪些比较新的且具有一定影响力的自然图像配准算法？
链接:https://www.zhihu.com/question/32066833/answer/2041516754 编辑:深度学习与计算机视觉声明:仅做学术分享,侵删作者:Vinjn张静 h ...
机器视觉特征提取：HOG、SIFT、SURF、ORB、LBP、HAAR
来源:机器学习AI算法工程本文约6200字,建议阅读10+分钟本文为你介绍不同的机器视觉特征提取方法及其区别. 目录一.SIFT(尺度不变特征变换) 二.HOG(方向梯度直方图) 三.SIFT和 ...
图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 什么叫特征检测?就是检测图像中目标的特征呗,所谓 ...
OpenCV3如何使用SIFT和SURF Where did SIFT and SURF go in OpenCV 3?
If you've had a chance to play around with OpenCV 3 (and do a lot of work with keypoint If you've ha ...
局部特征(4)——SIFT和SURF的比较
局部特征系列: 局部特征(1)--入门篇局部特征(2)--Harris角点局部特征(3)--SURF特征总结局部特征(4)--SIFT和SURF的比较局部特征(5)--如何利用彩色信息 Col ...
翻译 | ORB: An efficient alternative to SIFT or SURF（ORB：对SIFT或SURF的一种有效选择）
博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 ORB:对SIFT或SURF的一种 ...

opencv4使用sift以及surf

opencv4使用sift以及surf相关推荐

最新文章

热门文章