OpenCV学习记录——特征匹配

文章目录

前言
一、暴力匹配步骤分析
二、代码分析

前言

特征匹配是一种图像处理技术，用于在不同图像之间寻找相似的特征点 ，并将它们进行匹配。特征匹配在计算机视觉和图像处理领域中具有广泛的应用，包括目标识别、图像拼接、三维重建等。

一、暴力匹配步骤分析

暴力匹配是一种简单直接的匹配方法，它遍历所有特征点的描述符，并计算它们之间的距离。然后根据距离进行排序，选择距离最短的特征点作为匹配点。虽然暴力匹配方法简单，但在特征点数量较大时计算开销较大。暴力匹配的具体步骤如下：

特征点检测：首先，使用特征检测算法（如SIFT、SURF、ORB等）在图像中检测出关键点。这些关键点通常位于图像中的显著位置，如角点、边缘等。
特征描述：对于每个检测到的关键点，计算其周围像素的特征描述符。这些描述符是一组向量，用于描述关键点周围的图像信息。常见的特征描述算法包括SIFT描述符、SURF描述符、ORB描述符等。
特征匹配：将一组特征点的描述符与另一组特征点的描述符进行匹配。常见的方法是计算描述符之间的距离（如欧氏距离、汉明距离等），并选择距离最近的特征点作为匹配点。
匹配筛选：对匹配结果进行筛选和排序，通常根据距离进行排序，选择距离最短的特征点作为最佳匹配点。可以使用阈值或其他筛选方法来排除不可靠的匹配。
匹配验证和优化：对匹配结果进行验证和优化，例如使用RANSAC算法进行模型拟合和外点剔除，以提高匹配的准确性和鲁棒性。

二、代码分析

首先来看一下完整代码如下：

python 复制代码

import cv2
 
img1 = cv2.imread('test.jpg')
img2=cv2.imread('test1.jpg')
 
# 初始化ORB特征点检测器
orb = cv2.ORB_create()
 
# 检测特征点与描述符
kp1, des1 = orb.detectAndCompute(img1,None)
kp2, des2 = orb.detectAndCompute(img2,None)
 
# 创建蛮力（BF）匹配器
bf = cv2.BFMatcher_create(cv2.NORM_HAMMING, crossCheck=True)
 
# 匹配描述符
matches = bf.match(des1,des2)
 
# 画出10个匹配的描述符
img3 = cv2.drawMatches(img1, kp1, img2, kp2, matches[:10], None, flags=2)
 
cv2.imshow("show",img3)
cv2.waitKey()
cv2.destroyAllWindows()

首先需要注意的是，opencv提供了ORB特征点检测器 ，所以在使用opencv进行特征匹配时，我们通常使用ORB特征检测算法。在进行特征匹配之前要先进行ORB特征点检测器初始化 ，初始化的代码为：orb = cv2.ORB_create()

接下来是其他函数介绍：

（一）检测特征点与描述符函数

python 复制代码

keypoints, descriptors = orb.detectAndCompute(src,mask)

其中的两个参数为：

（1）"src" ，输入图像，可以是灰度图像或彩色图像。

（2）"mask"，掩膜图像，用于指定感兴趣区域。只有在掩膜图像中对应位置为非零值时，才会进行特征检测和描述符计算。

函数返回两个值：

（1）"keypoints"，检测到的关键点列表，每个关键点包含其在图像中的坐标和其他属性。

（2）"descriptors"，关键点的描述符矩阵，每一行对应一个关键点的描述符。

（二）创建 BFMatcher 对象

python 复制代码

cv2.BFMatcher_create(normType, crossCheck)

其中两个参数分别为：

（1）"normType"，可选参数，指定距离度量的类型。默认值为 cv2.NORM_L2，表示使用欧氏距离。还可以选择 cv2.NORM_L1、cv2.NORM_HAMMING 或 cv2.NORM_HAMMING2 等其他距离度量类型

（2）"crossCheck"，可选参数，指定是否进行交叉验证。默认值为 False，表示不进行交叉验证。如果设置为 True，则只有当两个特征点的最佳匹配互为最近邻时，才认为匹配成功

函数返回一个 Brute-Force Matcher 对象，可以用于进行特征匹配

（三）匹配描述符

python 复制代码

bf.match(queryDescriptors,trainDescriptors)

其中的两个参数分别为：

（1）"queryDescriptors"，是需要匹配的图像特征向量

（2）"trainDescriptors"，是被匹配的图像特征向量

（四）画出匹配结果

python 复制代码

cv2.drawMatches(src1,kp1,src2,kp2,match,matchesMask,flags)

（1）"src1"，第一幅图像，通常是查询图像或原始图像

（2）"kp1"，第一幅图像的关键点列表

（3）"src2"，第二幅图像，通常是训练图像或匹配图像

（4）"kp2"，第二幅图像的关键点列表

（5）"match"，匹配结果列表，包含匹配的特征点对

（6）"matchesMask"，是决定需要绘制哪些图像，为空则全部绘制

（7）"flags"，是指定绘图的标志位，0 为全部绘制，2 为绘制 match 匹配中的，4 为不同的绘制样式