OpenCV_ImageMatching with SURF and SIFT(使用SURF和 SIFT进行图像匹配对比)

你的名字 2022-10-01 01:53 192阅读 0赞

ImageMatching with SURF ：

// ImageMatchwithSURF.cpp : 定义控制台应用程序的入口点。
    //
    
    #include "stdafx.h"
    #include <opencv2/core/core.hpp>
    #include <opencv2/highgui/highgui.hpp>
    #include <opencv2/nonfree/features2d.hpp>
    #include <opencv2/legacy/legacy.hpp>  //cv::BruteForceMatcher使用
    int main()
    {
    	//获取image1特征点向量
    	cv::Mat image1 = cv::imread("../../aTestImage/church01.jpg", 0);
    	std::vector <cv::KeyPoint> keypoints1;  //特征点向量
    	cv::SurfFeatureDetector surf(2500.);   //SURF特征检测器
    	surf.detect(image1, keypoints1);
    
    	//获取image2特征点向量
    	cv::Mat image2 = cv::imread("../../aTestImage/church03.jpg", 0);
    	std::vector <cv::KeyPoint> keypoints2;  //特征点向量
    	//cv::SurfFeatureDetector surf(2500.);
    	surf.detect(image2, keypoints2);
    
    	//获取image1的SURF描述子
    	cv::SurfDescriptorExtractor surfDesc;  //构造SURF描述子提取器
    	cv::Mat descriptors1;
    	surfDesc.compute(image1, keypoints1, descriptors1); //提取SURF描述子
         //获取image2的SURF描述子
    	//cv::SurfDescriptorExtractor surfDesc;  //构造SURF描述子提取器
    	cv::Mat descriptors2;
    	surfDesc.compute(image2, keypoints2, descriptors2); //提取SURF描述子
    
    	//进行匹配
    	cv::BruteForceMatcher<cv::L2<float>> matcher; //构造匹配器
    	std::vector <cv::DMatch> matches; //存储 匹配后的 匹配描述子
    	matcher.match(descriptors1, descriptors2, matches);
    	//筛选距离最近的25个匹配结果
    	std::nth_element(matches.begin(), matches.begin() + 24, matches.end());  //
    	matches.erase(matches.begin() + 25, matches.end()); //删除其它匹配结果
    
    	//生成匹配图像
    	cv::Mat imageMatches;
    	cv::drawMatches(
    		image1, keypoints1,
    		image2, keypoints2,
    		matches, imageMatches, cv::Scalar(255, 255, 255));
    
    	cv::namedWindow("imageMatches");
    	cv::imshow("imageMatches", imageMatches);
    	cv::waitKey(0);
    
        return 0;
    }

![20170325003850103][]

ImageMatching with SIFT：

// ImageMatchwithSIFT.cpp : 定义控制台应用程序的入口点。
    //
    #include "stdafx.h"
    #include <opencv2/core/core.hpp>
    #include <opencv2/highgui/highgui.hpp>
    #include <opencv2/nonfree/features2d.hpp>
    #include <opencv2/legacy/legacy.hpp>  //cv::BruteForceMatcher使用
    int main()
    {
    	//获取image1特征点向量
    	cv::Mat image1 = cv::imread("../../aTestImage/church01.jpg", 0);
    	使用SIFT(Scale-Invarient Feature Transform)提取特征点
    	std::vector <cv::KeyPoint> keypoints1;  //特征点向量
    	cv::SiftFeatureDetector sift(0.03, 3.);    //SIFT特征检测器 (0.03, 3.)初始化值不合适时无结果
    	sift.detect(image1, keypoints1);
    
    	//获取image2特征点向量
    	cv::Mat image2 = cv::imread("../../aTestImage/church03.jpg", 0);
    	std::vector <cv::KeyPoint> keypoints2;  //特征点向量
    	cv::SiftFeatureDetector sift2(0.03, 3.);
    	sift2.detect(image2, keypoints2);
    
    	//获取image1的SIFT描述子
    	cv::SiftDescriptorExtractor siftDesc;  //构造SIFT描述子提取器
    	cv::Mat descriptors1;
    	siftDesc.compute(image1, keypoints1, descriptors1); //提取SIFT描述子
    	//获取image2的SURF描述子
    	cv::SiftDescriptorExtractor siftDesc2;  //构造SIFT描述子提取器
    	cv::Mat descriptors2;
    	siftDesc2.compute(image2, keypoints2, descriptors2); //提取SIFT描述子
    
          //进行匹配
    	cv::BruteForceMatcher<cv::L2<float>> matcher; //构造匹配器
    	std::vector <cv::DMatch> matches; //存储 匹配后的 匹配描述子
    	matcher.match(descriptors1, descriptors2, matches);
    	//筛选距离最近的25个匹配结果
    	std::nth_element(matches.begin(), matches.begin() + 34, matches.end());  //
    	matches.erase(matches.begin() + 35, matches.end()); //删除其它匹配结果
    
    	//生成匹配图像
    	cv::Mat imageMatches;
    	cv::drawMatches(
    		image1, keypoints1,
    		image2, keypoints2,
    		matches, imageMatches, cv::Scalar(255, 255, 255));
    
    	cv::namedWindow("imageMatches");
    	cv::imshow("imageMatches", imageMatches);
    	cv::waitKey(0);
    
    	return 0;
    }

![20170325003956208][]

Remark:

![20170325004031309][]

[20170325003850103]: /images/20220705/84c5a24ee4b74ab6ad154db111cd992c.png
[20170325003956208]: /images/20220705/18e96d4f51ed42bdb36352591d75b091.png
[20170325004031309]: /images/20220705/97818021bb0c445da18fc7a26b3e2572.png

发表评论取消回复

表情：

评论列表（有 0 条评论，192人围观）

还没有评论，来说两句吧...

相关阅读

相关 opencv4使用sift以及surf

自：[https://blog.csdn.net/Gordon\_Wei/article/details/88920411][https_blog.csdn.net_Go...

不念不忘少年蓝@/ 2024年04月18日 19:59/ 0 赞/ 69 阅读

相关 OpenCV 入门教程：SIFT和SURF特征描述

OpenCV 入门教程： SIFT 和 SURF 特征描述导语一、SIFT特征描述原理二、SURF特征描述原理三、SIFT特征描述步骤

曾经终败给现在/ 2024年03月17日 17:32/ 0 赞/ 109 阅读

相关 opencv_python Stitcher拼接图像实例（SIFT/SURF检测特征点，BF/FLANN匹配特征点）

opencv\_python Stitcher拼接图像实例（SIFT/SURF检测特征点，BF/FLANN匹配特征点） SIFI/SURF检测特征点，BF/FLANN匹配

灰太狼/ 2023年05月29日 06:50/ 0 赞/ 27 阅读

相关 Python+OpenCV：ORB: An efficient alternative to SIFT or SURF

Python+OpenCV：ORB: An efficient alternative to SIFT or SURF 理论 As an OpenCV enthus

川长思鸟来/ 2022年12月24日 00:44/ 0 赞/ 167 阅读

相关 opencv：feature2D学习——SIFT和SURF算法实现目标检测

> 当前使用版本opencv3.4.0，需要安装opencv\_contrib surf特征点检测 surf算法为每个检测到的特征定义了位置和尺度，尺度值可以用于

小咪咪/ 2022年12月08日 04:25/ 0 赞/ 402 阅读

相关 OpenCV_ImageMatching with SURF and SIFT(使用SURF和 SIFT进行图像匹配对比)

ImageMatching with SURF ： // ImageMatchwithSURF.cpp : 定义控制台应用程序的入口点。 //

你的名字/ 2022年10月01日 01:53/ 0 赞/ 193 阅读

相关 Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配

Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配视频项目中要用到拼接，这里记录一下SIFT、SURF、ORB三种特征点。本文不做过多的理论解释，

╰+哭是因爲堅強的太久メ/ 2022年07月13日 14:50/ 0 赞/ 241 阅读

相关图像特征之SURF特征匹配

原文站点：[https://senitco.github.io/2017/06/27/image-feature-surf/][https_senitco.github.io_

向右看齐/ 2022年06月03日 05:25/ 0 赞/ 266 阅读

相关 SURF SIFT ORB三种特征检测算法比较

转自[https://blog.csdn.net/zilanpotou182/article/details/66478915][https_blog.csdn.net_zil

- 日理万妓/ 2022年04月18日 05:46/ 0 赞/ 344 阅读

相关 opencv-contrib-python，python3.3，SIFT和SURF

原文链接[https://pypi.org/project/opencv-contrib-python/4.1.0.25/][https_pypi.org_project_op

傷城~/ 2022年02月19日 02:39/ 0 赞/ 245 阅读