OpenCV的ORB特徵提取演算法

分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！

看到opencv2.3.1裡面orb特徵提取演算法也在裡面了，套用給的surf特徵例子程式改為orb特徵一直提示錯誤，型別不匹配神馬的，由於沒有找到示例程式，只能自己找答案。

經過查詢發現：

描述符資料型別有是float的，比如說sift，surf描述符，還有是uchar的，比如說有orb，brief

對於float 匹配方式有：

flannbased

bruteforce>

對於uchar有：

bruteforce

bruteforcematcher< l2> matcher;//改動的地方

完整**如下：

#include
#include
"opencv2/core/core.hpp"
#include
"opencv2/features2d/features2d.hpp"
#include
"opencv2/highgui/highgui.hpp"
#include
#include
using
namespace cv;  using
namespace
std;  int
main
()        orb orb;      vector
keypoints_1, keypoints_2;      mat descriptors_1, descriptors_2;        orb(img_1, mat(), keypoints_1, descriptors_1);      orb(img_2, mat(), keypoints_2, descriptors_2);            bruteforcematchermatcher;      vector
matches;      matcher.match(descriptors_1, descriptors_2, matches);        double max_dist = 0; double min_dist = 100;      //-- quick calculation of max and min distances between keypoints   
for( int i = 0; i < descriptors_1.rows; i++ )            printf("-- max dist : %f \n", max_dist );      printf("-- min dist : %f \n", min_dist );      //-- draw only "good" matches (i.e. whose distance is less than 0.6*max_dist )   
//-- ps.- radiusmatch can also be used here.   
std::vector
< dmatch > good_matches;      for( int i = 0; i < descriptors_1.rows; i++ )            }        mat img_matches;      drawmatches(img_1, keypoints_1, img_2, keypoints_2,          good_matches, img_matches, scalar::all(-1), scalar::all(-1),          vector
(), drawmatchesflags::not_draw_single_points);      imshow( "match", img_matches);      cvwaitkey();      return
0;  }

另外: surf sift

/*sift sift;sift(img_1, mat(), keypoints_1, descriptors_1);sift(img_2, mat(), keypoints_2, descriptors_2);bruteforcematcher>  matcher;*/
/*surf surf;surf(img_1, mat(), keypoints_1);surf(img_2, mat(), keypoints_2);surfdescriptorextractor extrator;extrator.compute(img_1, keypoints_1, descriptors_1);extrator.compute(img_2, keypoints_2, descriptors_2);bruteforcematcher>  matcher;*/

效果：

另外乙個是尋找目標匹配

在右邊的場景圖裡面尋找左邊那幅圖的starbucks標誌

效果如下：

需要在之前的那個imshow之前加上如下**即可完成乙個簡單的功能展示：

// localize the object   
std::vector
obj;  std::vector
scene;    for (size_t i = 0; i < good_matches.size(); ++i)    mat h = findhomography( obj, scene, cv_ransac );    // get the corners from the image_1   
std::vector
obj_corners(4);  obj_corners[0] = cvpoint(0,0);  obj_corners[1] = cvpoint( img_1.cols, 0);  obj_corners[2] = cvpoint( img_1.cols, img_1.rows);  obj_corners[3] = cvpoint( 0, img_1.rows);  std::vector

給我老師的人工智慧教程打call！

ORB特徵提取

不明白的地方的一些整理非極大值抑制主要是為了避免影象上得到的角點過於密集，主要過程是每個特徵點都會計算得到相應的響應得分，然後以當前畫素p為中心，取其鄰域如3 3 判斷當前畫素p的響應是否為該鄰域內最大的，如果是則保留，否則，則抑制。非極大值抑制，排除不穩定的角點，採用強度響應函式如何確定特徵...

ORB特徵提取1

orb特徵是在fast特徵點的基礎上再加上乙個旋轉量，本文以opencv自帶的fast函式求出特徵點keypoint，取特徵點附近一小塊區域b，b的大小是16 16，範圍是 u 8,v 8 u 7,v 7 可以定義該區域影象的矩通過矩可以找到影象的質心連線影象中心o與質心，可以得到方向向量oc，...

ORB特徵提取與匹配

特徵點的檢測影象的特徵點可以簡單的理解為影象中比較顯著顯著的點，如輪廓點，較暗區域中的亮點，較亮區域中的暗點等。orb採用fast features from accelerated segment test 演算法來檢測特徵點。這個定義基於特徵點周圍的影象灰度值，檢測候選特徵點周圍一圈的畫素值，...

OpenCV的ORB特徵提取演算法

ORB特徵提取

ORB特徵提取1

ORB特徵提取與匹配

相關推薦