OpenCV + CPP 系列（四十）图像特征匹配（ BFMatcher 暴力匹配）

文章目录

BFMatcher

OpenCV中KeyPoint Matching的方法有两种Matching方式 ：

• Brute-force matcher (cv::BFMatcher)
• Flann-based matcher (cv::FlannBasedMatcher)

Brute Force匹配是opencv二维特征点匹配常见的办法，BFMatcher总是尝试所有可能的匹配，从而使得它总能够找到最佳匹配，这也是Brute Force（暴力法）的原始含义。

实现原理

• 发现两幅图片分别提取出来N，M个特征向量
• 然后对N和M的特征向量进行匹配，找到最佳匹配
• 然后再画出匹配的特征显示出来

void match(

InputArray queryDescriptors, 　　特征描述子1(待查询)

InputArray

trainDescriptors,　　　特征描述子2

CV_OUT std::vector&

matches, 　 匹配的特征

InputArray mask=

noArray() 　　　掩码

) const

---

void drawMatches(

InputArray img1, 　　　　　　　　源图像1

const std::vector&

keypoints1,　　源图像1的特征描述子

InputArray

img2, 　　　　　　　　源图像２

const std::vector&

keypoints2,　　源图像1的特征描述子

const std::vector&

matches1to2, 　特征1 与特征2 匹配的特征点[matches[i]] 　　　　　

InputOutputArray

outImg,　　　　　　　　　输出图像

const Scalar& matchColor=

Scalar::all(-1), 　　　　匹配点的颜色 (默认随机)

const Scalar& singlePointColor=

Scalar::all(-1),　　单个点的颜色 (默认随机)

const std::vector& matchesMask=

std::vector(), 　　掩码

DrawMatchesFlags flags=

DrawMatchesFlags::DEFAULT 　　绘制模式

)

实现流程：

1. 以灰度图形式读入src1（待匹配图像）和src2。
2. 通过用SURF的特征检测，把我们对两张图片获取的KeyPoint放到各自对应的descriptor里面。
3. 根据上一步已经提取出的descriptor的两个Mat, 通过BFMatcher进行最佳匹配，存放到DMatch里面。
4. 定义输出图像matchImg, 然后通过drawMatches的方法，把两个图片中的特征点和匹配的结果画出Matches，并显示。

头文件 ​​image_feature_all.h​​：声明类与公共函数

#pragma once
#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2/xfeatures2d.hpp>　　//新增引入库

using namespace cv;
using namespace std;


class ImageFeature {
public:
  void BFMatch_demo(Mat& image, Mat& image2);

};

主函数​​main.cpp​​调用该类的公共成员函数

#include "image_feature_all.h"



int main(int argc, char** argv) {
  const char* img_path = "D:\\Desktop\\match_dst.jpg";
  const char* img_path2 = "D:\\Desktop\\match_raw.jpg";
  Mat image = imread(img_path, IMREAD_GRAYSCALE);
  Mat image2 = imread(img_path2, IMREAD_GRAYSCALE);
  if (image.empty() || image2.empty()) {
    cout << "图像数据为空，读取文件失败！" << endl;
  }
  ImageFeature imgfeature;
  imgfeature.BFMatch_demo(image, image2);

  waitKey(0);
  destroyAllWindows();
  return 0;
}

演示SURF–BFMatch

源文件 ​​feature_extract.cpp​​：实现类与公共函数

void ImageFeature::BFMatch_demo(Mat& image, Mat& image2) {
  int minHessian = 400;
  Ptr<xfeatures2d::SURF> detector = xfeatures2d::SURF::create(minHessian);

  vector<KeyPoint> keypoints1, keypoints2;
  Mat descriptor1, descriptor2;
  detector->detectAndCompute(image, Mat(), keypoints1, descriptor1);
  detector->detectAndCompute(image2, Mat(), keypoints2, descriptor2);
  //cout << "keypoints1=" << keypoints1.size() << endl;
  //cout << "keypoints2=" << keypoints2.size() << endl;

  BFMatcher matcher(NORM_L2);
  vector<DMatch> matches;
  matcher.match(descriptor1, descriptor2, matches);

  Mat matchImg;
  drawMatches(image, keypoints1, image2, keypoints2, matches, matchImg);
  imshow("matchImg", matchImg);
}

查看keypoints1第0个元素的属性如下：

原图1

原图2

匹配图