OpenCV图像拼接(3)图像拼接的类cv::detail::BestOf2NearestMatcher

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

特征匹配器,为每个特征找到两个最佳匹配,并且仅在描述符距离之间的比率大于阈值 match_conf 时保留最佳的一个。

cv::detail::BestOf2NearestMatcher 是 OpenCV 库中用于图像拼接的一个类,特别适用于全景图生成过程中特征匹配的环节。它通过寻找最佳的两个最近邻匹配来提高匹配准确性,从而确定不同图像之间的对应关系。下面是对这个类的一些基本介绍和使用说明。

主要功能

  • 两近邻匹配:该类实现了基于最佳两近邻距离比测试的方法来进行特征匹配。这种方法假设正确的匹配通常是第一个最邻近且显著不同于第二个最邻近的点。

常用成员函数

  • match():执行特征点描述符之间的匹配。注意,这个方法在较新的OpenCV版本中可能是保护成员,因此需要通过实例化对象后直接调用(例如使用 operator())或者继承此类来访问。
  • collectGarbage():清理内部存储以释放内存。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/stitching/detail/matchers.hpp>

using namespace cv;
using namespace cv::detail;

void drawMatchingResult(const Mat& img1, const Mat& img2, const std::vector<KeyPoint>& keypoints1,
                        const std::vector<KeyPoint>& keypoints2, const std::vector<DMatch>& matches)
{
    // 创建一个输出图像来展示两张图片和它们之间的匹配
    Mat outputImg;
    drawMatches(img1, keypoints1, img2, keypoints2, matches, outputImg,
                Scalar::all(-1), Scalar::all(-1), std::vector<char>(),
                DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

    // 显示匹配结果
    imshow("Feature Matches", outputImg);
    waitKey(0);
}

int main()
{
    // 读取两张待匹配的图片
    Mat img1 = imread("/media/dingxin/data/study/OpenCV/sources/images/stich1.png");
    Mat img2 = imread("/media/dingxin/data/study/OpenCV/sources/images/stich2.png");

    if (img1.empty() || img2.empty())
    {
        std::cerr << "Could not open or find the images!" << std::endl;
        return -1;
    }

    // 初始化ORB特征检测器
    Ptr<Feature2D> feature_detector = ORB::create();

    // 检测特征点并计算描述符
    std::vector<KeyPoint> keypoints1, keypoints2;
    Mat descriptors1, descriptors2;
    feature_detector->detectAndCompute(img1, noArray(), keypoints1, descriptors1);
    feature_detector->detectAndCompute(img2, noArray(), keypoints2, descriptors2);

    // 创建ImageFeatures对象并将特征点和描述符填入
    ImageFeatures features1, features2;
    features1.img_idx = 0; // 图片索引
    features1.keypoints = keypoints1;
    features1.descriptors = descriptors1.getUMat(ACCESS_READ); // 使用getUMat方法转换

    features2.img_idx = 1; // 图片索引
    features2.keypoints = keypoints2;
    features2.descriptors = descriptors2.getUMat(ACCESS_READ); // 使用getUMat方法转换

    // 创建BestOf2NearestMatcher实例
    Ptr<BestOf2NearestMatcher> matcher = BestOf2NearestMatcher::create();

    // 使用()运算符来进行匹配
    MatchesInfo matches_info;
    (*matcher)(features1, features2, matches_info);

    // 输出匹配结果的数量
    std::cout << "Found " << matches_info.matches.size() << " matches" << std::endl;

    // 将MatchesInfo中的matches转换为std::vector<DMatch>类型,以便于绘制
    std::vector<DMatch> matches_vector(matches_info.matches.begin(), matches_info.matches.end());

    // 绘制匹配结果
    drawMatchingResult(img1, img2, keypoints1, keypoints2, matches_vector);

    return 0;
}

运行结果

相关推荐
lijianhua_97128 小时前
国内某顶级大学内部用的ai自动生成论文的提示词
人工智能
EDPJ8 小时前
当图像与文本 “各说各话” —— CLIP 中的模态鸿沟与对象偏向
深度学习·计算机视觉
蔡俊锋8 小时前
用AI实现乐高式大型可插拔系统的技术方案
人工智能·ai工程·ai原子能力·ai乐高工程
自然语8 小时前
人工智能之数字生命 认知架构白皮书 第7章
人工智能·架构
大熊背8 小时前
利用ISP离线模式进行分块LSC校正的方法
人工智能·算法·机器学习
eastyuxiao9 小时前
如何在不同的机器上运行多个OpenClaw实例?
人工智能·git·架构·github·php
诸葛务农9 小时前
AGI 主要技术路径及核心技术:归一融合及未来之路5
大数据·人工智能
光影少年9 小时前
AI Agent智能体开发
人工智能·aigc·ai编程
charlee449 小时前
最小二乘问题详解17:SFM仿真数据生成
c++·计算机视觉·sfm·数字摄影测量·无人机航测
ai生成式引擎优化技术9 小时前
TSPR-WEB-LLM-HIC (TWLH四元结构)AI生成式引擎(GEO)技术白皮书
人工智能