OpenCV 之特征匹配

Mat src = imread("./img/blox.jpg"), gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
// 创建 orb 检测器
auto orb = ORB::create();

// 使用 orb 查找特征点
vector<KeyPoint> keyPoints;
orb->detect(gray, keyPoints);

// 使用 orb 计算描述符
Mat desc;
orb->compute(gray, keyPoints, desc);

// 查找特征点和计算描述符也可以归为一步
// orb->detectAndCompute(src, Mat(), keyPoints, desc);

// 绘制特征点
drawKeypoints(src, keyPoints, src);

imshow("src", src);
waitKey();
destroyAllWindows();

Mat img1 = imread("./img/box.png"), gray1;
Mat img2 = imread("./img/box_in_scene.png"), gray2;
cvtColor(img1, gray1, COLOR_BGR2GRAY);
cvtColor(img2, gray2, COLOR_BGR2GRAY);

// 创建 orb 检测器
auto orb = ORB::create();

// 使用 orb 查找特征点和计算描述符
vector<KeyPoint> keyPoints1, keyPoints2;
Mat desc1, desc2;
orb->detectAndCompute(img1, Mat(), keyPoints1, desc1);
orb->detectAndCompute(img2, Mat(), keyPoints2, desc2);

 // 创建 BFMatcher，开启crossCheck获取更精确的结果
auto matcher = BFMatcher::create(NORM_HAMMING, true);
// BFMatcher::create 函数需要两个参数，第一个是normType，第二个为crossCheck
// 1. normType
// 指定距离测量的规则，默认值是NORM_L2，该值一般与NORM_L1用在SIFT和SURF检测中。
// 如果我们使用ORB检测，我们需要将该值设置为 NORM_HAMMING2。
// 2. crossCheck
// 交叉检查，默认为 false，设置该值为 true 来获取更精确的结果。

// 对比两张图的特征，进行匹配
vector<DMatch> matches;
matcher->match(desc1, desc2, matches);

// 根据评分排序，从小到大，因为越小越精确
sort(matches.begin(), matches.end());

// 移除较差的匹配结果，只保留前百分之15的结果
double percent = 0.15;
int num = matches.size() * percent;
// 至少保留十个结果
num = max(num, 10);

// 对 matches 进行裁剪
matches.assign(matches.begin(), matches.begin() + num);

// 绘制图形
Mat dst;
drawMatches(img1, keyPoints1, img2, keyPoints2, matches, dst);
// 绘制图形的时候，可以将最后一个参数，flags
// 设置为 DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS 从而只显示匹配成功的点。

Mat img1 = imread("./img/box.png"), gray1;
Mat img2 = imread("./img/box_in_scene.png"), gray2;
cvtColor(img1, gray1, COLOR_BGR2GRAY);
cvtColor(img2, gray2, COLOR_BGR2GRAY);

// 创建 orb 检测器
auto orb = ORB::create();

// 使用 orb 查找特征点和计算描述符
vector<KeyPoint> keyPoints1, keyPoints2;
Mat desc1, desc2;
orb->detectAndCompute(img1, Mat(), keyPoints1, desc1);
orb->detectAndCompute(img2, Mat(), keyPoints2, desc2);

// 创建 indexPar 和 searchPar
// 当前使用 ORB 检测器，indexPar 使用LshIndexParams 参数默认给6,12，1
auto indexPar = makePtr<flann::LshIndexParams>(6, 12, 1);
// 检索参数，数值越大越准确，但是也越耗时
auto searchPar = makePtr<flann::SearchParams>(100);
// 使用 indexpar 和 searchPar 创建 flannMatcher
FlannBasedMatcher flannMatcher(indexPar, searchPar);
vector<vector<DMatch>> matches;
vector<vector<char>> matchesMask;
// 本例子使用 knnMatch， k 设置为 2
flannMatcher.knnMatch(desc1, desc2, matches, 2);

for (int i = 0; i < matches.size(); i++) {
    DMatch first = matches[i][0], last = matches[i][1];
    // 第一个小于第二个的百分之80，舍去该值。这个比例根据不同的图片要进行一些微调。
    if (first.distance < 0.8 * last.distance) {
        matchesMask.push_back({1, 0});
    } else {
        matchesMask.push_back({0, 0});
    }
}

Mat dst;
// 使用 Mask 掩码来输出图像
drawMatches(img1, keyPoints1, img2, keyPoints2, matches, dst,
            Scalar::all(-1), Scalar::all(-1), matchesMask,
            DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);