最近在搗鼓圖片相似性匹配算法。這裏先說一點必要的題外話：

如果是在同一個object不同角度拍攝的多張圖片中，使用SIFT可以有不錯的效果；

如果是尋找類別相同的圖片（可能不是同一object），SIFT是無效的。

前言：

　　1 需要安裝好opencv3.1.0 + opencv_contrib(放到 opencv主文件夾的module文件夾中)。

　　2 可以使用IDE 比如：Codeblocks or Eclipse etc 配置好opencv開發所需要的 頭文件 + lib so 庫文件。

　　但是我這裏是直接手寫的 g++ 編譯命令，這樣省事兒，可以方便展示。這裏不得不吐槽一下，網上一大堆 搓逼教程，亂配置一氣，有用的沒用的全抄上，而且3.1.0中的imshow等基礎的函數都已經換了頭文件了。並不在highgui中了。所以我就自己手寫了 編譯命令，用什麽加什麽。

代碼如下：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/opencv.hpp>  //頭文件
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace cv;  //包含cv命名空間
using namespace std;

int main()
{
    
 
//Create SIFT class pointer
    Ptr<Feature2D> f2d = xfeatures2d::SIFT::create();
    //讀入圖片
    Mat img_1 = imread("kebe1.jpg");
    Mat img_2 = imread("kebe2.jpg");
    //Detect the keypoints
    vector<KeyPoint> keypoints_1, keypoints_2;
    f2d->detect(img_1, keypoints_1);
    f2d->detect(img_2, keypoints_2);
    
 
//Calculate descriptors (feature vectors)
    Mat descriptors_1, descriptors_2;
    f2d->compute(img_1, keypoints_1, descriptors_1);
    f2d->compute(img_2, keypoints_2, descriptors_2);
    //Matching descriptor vector using BFMatcher
    BFMatcher matcher;
    vector<DMatch> matches;
    matcher.match(descriptors_1, descriptors_2, matches);
    //繪制匹配出的關鍵點lopencv_core
    Mat img_matches;
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, matches, img_matches);
    imshow("【match圖】", img_matches);
    //等待任意按鍵按下
    waitKey(0);
}
//g++ sift_match.cpp -o output -L/usr/local/lib -lopencv_imgcodecs  -lopencv_highgui -lopencv_xfeatures2d -lopencv_features2d -lopencv_core -I/usr/local/include

　　文件夾下有兩張圖片，使用最下面註釋的 編譯命令直接運行

./output 即可。

　　發現這也不咋準啊！　當然我使用的不是同一張皂片的不同角度，只是覺得差不多。

　　下一步，打算校準 + 具體實現使用SIFT來衡量圖片的相似度。

【圖片匹配】--- SIFT_Opencv3.1.0_C++_ubuntu