opencv3 SIFT特徵提取方法和RANSAC(隨機抽樣一致性方法)進行剔除無匹配點
阿新 • • 發佈:2018-12-12
最近整理一下利用SIFT特徵提取方法和RANSAC(隨機抽樣一致性方法)進行剔除無匹配點的內容
//讀取影象 Mat img01=imread("3.png"); Mat img02=imread("4.png"); imshow("original image1",img01); imshow("original image2",img02); //SIFT特徵檢測 SiftFeatureDetector detector; //定義特點點檢測器 vector<KeyPoint> keypoint01,keypoint02;//定義兩個容器存放特徵點 detector.detect(img01,keypoint01); detector.detect(img02,keypoint02); //在兩幅圖中畫出檢測到的特徵點 Mat out_img01; Mat out_img02; drawKeypoints(img01,keypoint01,out_img01); drawKeypoints(img02,keypoint02,out_img02); imshow("特徵點圖01",out_img01); imshow("特徵點圖02",out_img02); //提取特徵點的特徵向量(128維) SiftDescriptorExtractor extractor; Mat descriptor01,descriptor02; extractor.compute(img01,keypoint01,descriptor01); extractor.compute(img02,keypoint02,descriptor02); //匹配特徵點,主要計算兩個特徵點特徵向量的歐式距離,距離小於某個閾值則認為匹配 BruteForceMatcher<L2<float>> matcher; vector<DMatch> matches; Mat img_matches; matcher.match(descriptor01,descriptor02,matches); drawMatches(img01,keypoint01,img02,keypoint02,matches,img_matches); imshow("誤匹配消除前",img_matches);
下面是利用RANSAC進行消除無匹配點:
//RANSAC 消除誤匹配特徵點 主要分為三個部分: //1)根據matches將特徵點對齊,將座標轉換為float型別 //2)使用求基礎矩陣方法 findFundamentalMat,得到RansacStatus //3)根據RansacStatus來將誤匹配的點也即RansacStatus[i]=0的點刪除 //根據matches將特徵點對齊,將座標轉換為float型別 vector<KeyPoint> R_keypoint01,R_keypoint02; for (size_t i=0;i<matches.size();i++) { R_keypoint01.push_back(keypoint01[matches[i].queryIdx]); R_keypoint02.push_back(keypoint02[matches[i].trainIdx]); //這兩句話的理解:R_keypoint1是要儲存img01中能與img02匹配的特徵點, //matches中儲存了這些匹配點對的img01和img02的索引值 } //座標轉換 vector<Point2f>p01,p02; for (size_t i=0;i<matches.size();i++) { p01.push_back(R_keypoint01[i].pt); p02.push_back(R_keypoint02[i].pt); } //利用基礎矩陣剔除誤匹配點 vector<uchar> RansacStatus; Mat Fundamental= findFundamentalMat(p01,p02,RansacStatus,FM_RANSAC); vector<KeyPoint> RR_keypoint01,RR_keypoint02; vector<DMatch> RR_matches; //重新定義RR_keypoint 和RR_matches來儲存新的關鍵點和匹配矩陣 int index=0; for (size_t i=0;i<matches.size();i++) { if (RansacStatus[i]!=0) { RR_keypoint01.push_back(R_keypoint01[i]); RR_keypoint02.push_back(R_keypoint02[i]); matches[i].queryIdx=index; matches[i].trainIdx=index; RR_matches.push_back(matches[i]); index++; } } Mat img_RR_matches; drawMatches(img01,RR_keypoint01,img02,RR_keypoint02,RR_matches,img_RR_matches); imshow("消除誤匹配點後",img_RR_matches);
本文來自 上善若水道法自然 的CSDN 部落格 ,全文地址請點選:https://blog.csdn.net/liuhaitaowq/article/details/52503806?utm_source=copy