opencv3/C++怎么实现FLANN特征匹配

这篇文章主要介绍了opencv3/C++怎么实现FLANN特征匹配的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇opencv3/C++怎么实现FLANN特征匹配文章都会有所收获，下面我们一起来看看吧。

使用函数detectAndCompute(）检测关键点并计算描述符

函数detectAndCompute(）参数说明：

void detectAndCompute(  InputArray image, //图像 InputArray mask, //掩模 CV_OUT std::vector<KeyPoint>& keypoints,//输出关键点的集合 OutputArray descriptors,//计算描述符（descriptors[i]是为keypoints[i]的计算描述符） bool useProvidedKeypoints=false //使用提供的关键点 );

match(）从查询集中查找每个描述符的最佳匹配。

参数说明：

void match(  InputArray queryDescriptors, //查询描述符集 InputArray trainDescriptors, //训练描述符集合 CV_OUT std::vector<DMatch>& matches, //匹配 InputArray mask=noArray() //指定输入查询和描述符的列表矩阵之间的允许匹配的掩码 ) const;

FLANN特征匹配示例：

#include<opencv2/opencv.hpp> #include<opencv2/xfeatures2d.hpp> using namespace cv; using namespace cv::xfeatures2d; //FLANN对高维数据较快 int main() {   Mat src1,src2;   src1 = imread("E:/image/image/card2.jpg");   src2 = imread("E:/image/image/cards.jpg");   if (src1.empty() || src2.empty())   {     printf("can ont load images....\n");     return -1;   }   imshow("image1", src1);   imshow("image2", src2);   int minHessian = 400;   //选择SURF特征   Ptr<SURF>detector = SURF::create(minHessian);   std::vector<KeyPoint>keypoints1;   std::vector<KeyPoint>keypoints2;   Mat descriptor1, descriptor2;   //检测关键点并计算描述符   detector->detectAndCompute(src1, Mat(), keypoints1, descriptor1);   detector->detectAndCompute(src2, Mat(), keypoints2, descriptor2);   //基于Flann的描述符匹配器   FlannBasedMatcher matcher;   std::vector<DMatch>matches;   //从查询集中查找每个描述符的最佳匹配   matcher.match(descriptor1, descriptor2, matches);   double minDist = 1000;   double maxDist = 0;   for (int i = 0; i < descriptor1.rows; i++)   {     double dist = matches[i].distance;     printf("%f \n", dist);     if (dist > maxDist)     {       maxDist = dist;     }     if (dist < minDist)     {       minDist = dist;     }   }   //DMatch类用于匹配关键点描述符的   std::vector<DMatch>goodMatches;   for (int i = 0; i < descriptor1.rows; i++)   {     double dist = matches[i].distance;     if (dist < max(2.5*minDist, 0.02))     {       goodMatches.push_back(matches[i]);     }   }   Mat matchesImg;   drawMatches(src1, keypoints1, src2, keypoints2, goodMatches, matchesImg, Scalar::all(-1), Scalar::all(-1), std::vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);   imshow("output", matchesImg);   waitKey();   return 0; }

关于“opencv3/C++怎么实现FLANN特征匹配”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“opencv3/C++怎么实现FLANN特征匹配”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注亿速云行业资讯频道。