Opencv2 4 9原始碼分析 SIFT

由於sift演算法在計算機視覺的特徵檢測和特徵描述中表現十分優異，因此該演算法一經提出，就引起了廣泛的關注。國內外對其研究的人很多，相關的資料也很多。在csdn中，有幾位作者的文章對sift演算法介紹得很詳細，如網名為：zddhub、rachel zhang和xiaowei_cqu。由王永明和王貴錦所編著的，由國防工業出版社出版的《影象區域性不變性特徵與描述》也對該演算法進行了詳細的介紹。上述文章對我幫助很大。

經過一段時間的研究，並結合opencv中的源**，自認為對sift演算法有了一定的認識和體會，因此也寫了一篇關於sift的文章。該文章共分為三部分，首先是sift的演算法分析，然後是opencv的原始碼分析，最後是應用例項。在演算法分析中，注意了每個細節的描述；在原始碼分析中，基本做到了每條**都進行了注釋；在應用例項中，列舉了特徵提取和影象匹配兩個例項。

為了不使這篇博文過於空洞，我把這篇文章的第三部分貼上在這裡。

首先給出的是特徵點的檢測：

#include "opencv2/core/core.hpp"
#include "highgui.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/nonfree.hpp"
using namespace cv;
//using namespace std;
int main(int argc, char** argv)

結果如下圖所示：

上面的程式需要說明一點的是，如果需要改變sift演算法的預設引數，可以通過例項化sift類的時候更改，例如我們只想檢測20個特徵點，則例項化sift的語句為：

sift sift(20);

下面給出利用描述符進行影象匹配的例項：

#include "opencv2/core/core.hpp"
#include "highgui.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/legacy/legacy.hpp"
using namespace cv;
using namespace std;
int main(int argc, char** argv)

結果如下圖所示：

程式是通過距離測度實現兩幅影象描述符之間的比較的，距離越小，匹配性越好，越說明這兩個描述符表示的是同一事物。描述符的匹配結果儲存在匹配器運算元matches中。如果直接使用matches，匹配效果並不好，因為它是盡可能的匹配所有的描述符。因此我們要進行篩選，只保留那些好的結果。在這裡，我們利用排序，選擇距離最小的前30個匹配結果，並進行輸出。另外，matcher.match函式中，兩個描述符的順序一定不能寫反，否則執行會出錯。

Opencv2 4 9原始碼分析 SIFT

學習Opencv 2 4 9（二）操作畫素

OpenCV2 4 9與VS2010配置遇到的問題

Opencv2 4 9各標頭檔案功能說明

Opencv2 4 9原始碼分析 SIFT

學習Opencv 2 4 9（二） 操作畫素

OpenCV2 4 9與VS2010配置遇到的問題

Opencv2 4 9各標頭檔案功能說明

相關推薦

學習Opencv 2 4 9（二）操作畫素