时间:2021-05-19
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;}以上这篇opencv3/C++ FLANN特征匹配方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例为大家分享了C++实现数据文件存储与加载的具体代码,供大家参考,具体内容如下首先请先确认已经安装好了opencv3及以上版本。#include#incl
本文采用OpenCV3和Python3来实现静态图片的人脸识别,采用的是Haar文件级联。首先需要将OpenCV3源代码中找到data文件夹下面的haarcas
各位拼多多商家注意了,平台将于3月上旬对全部商家推广关键词的匹配方式完成升级。多多搜索中自定义推广关键词匹配方式将由之前不区分匹配方式统一出价全部改为采用精准匹
京东快车中有精确匹配、短语匹配、切词匹配三种匹配方式,选择不同的关键词匹配方式,会有不同的广告投放效果,那么这些匹配方式到底该怎么用呢?今天开淘小编先跟大家
淘宝直通车存在两种匹配方式,即广泛匹配好精确匹配,对这样种匹配方式还不了解的卖家,肯定特别想知道用哪种匹配方式比较好,下面我也来给大家分析分析。1、广泛匹配。它