OpenCV（四十六）：特征点匹配-编程知识

1.特征点匹配的定义

特征点匹配是一种在两幅图像中寻找相互对应的特征点，并建立它们之间的对应关系的过程。具体而言，首先通过特征检测算法在两幅图像中寻找相互对应的特征点，然后，对于每个特征点，通过描述子提取算法计算其描述子，最后，使用匹配算法对两组特征点的描述子进行比较，以找到相互匹配的特征点对。

2.DMatch() 用于表示特征点匹配的数据结构

cv::DMatch::DMatch ( int queryldx，

int _trainldx，

int _imgldx,

float _distance

)

queryIdx:查询描述子集合中的索引
trainIdx:训练描述子集合中的索引
imgldx:训练描述子来自的图像索引
distance:两个描述符之间的距离

3.特征点匹配类`DescriptorMatcher`的介绍

在OpenCV中，特征点匹配的类主要是cv::DescriptorMatcher。DescriptorMatcher是一个抽象基类，用于特征点描述子之间的匹配操作。

`DescriptorMatcher`类有以下常用方法和函数

`1.match()`：对两组特征描述子进行匹配，返回匹配结果（`DMatch`对象的向量）。

void cv::DescriptorMatcher::match ( InputArray queryDescriptors,

InputArray trainDescriptors,

std::vector< DMatch > & matches,

InputArray mask = noArray()

)const

queryDescriptors:查询描述子集合
trainDescriptors: 训练描述子集合
matches:两个集合描述子匹配结果
mask:描述子匹配时的掩码矩阵，用于指定匹配哪些描述子

`2.knnMatch()`：对两组特征描述子进行k近邻匹配，返回每个查询描述子的k个最佳匹配结果。

void cv::DescriptorMatcher::knnMatch ( InputArray queryDescriptors,

InputArray trainDescriptors,

std::vector< std::vector< DMatch > > & matches,

int k,

InputArray mask = noArray(),

bool compactResult = false

)const

queryDescriptors:查询描述子集合
trainDescriptors: 训练描述子集合
matches:描述子匹配结果
k:每个查询描述子在训练描述子集合中寻找的最优匹配结果的数目
mask:描述子匹配时的掩码矩阵，用于指定匹配哪些描述子。
compactResult:输出匹配结果数目是否与查询描述子数目相同的选择标志

`3.radiusMatch()`：对两组特征描述子进行半径匹配，返回每个查询描述子在指定半径内的最佳匹配结果。

void cv::DescriptorMatcher::radiusMatch ( InputArray queryDescriptors,

InputArray trainDescriptors,

std::vector< std::vector< DMatch > > &matches,

float maxDistance,

InputArray mask = noArray(),

bool compactResult = false

)const

queryDescriptors:查询描述子集合
trainDescriptors: 训练描述子集合
matches:描述子匹配结果
maxDistance:两个描述子之间满足匹配条件的距离阀值
mask:描述子匹配时的掩码矩阵，用于指定匹配哪些描述子
compactResult:输出匹配结果数目是否与查询描述子数目相同的选择标志

4.特征点匹配函数BFMatcher()

BFMatcher():暴力匹配

cv::BFMatcher::BFMatcher ( int normType =ORM_L2,

bool crossCheck = false

)

normType:两个描述子之间距离的类型标志，可以选择的参数为NORM_LI、NORM_L2、NORM_HAMMING和NORM_HAMMING2。
crossCheck:是否进行交叉检测的标志。

5.显示特征点匹配结果函数drawMatches()

void cv::drawMatches ( InputArray img1,

const std::vector< KeyPoint > & keypoints1,

InputArray img2,

const std::vector< KeyPoint > & keypoints2,

const std::vector< DMatch > &matches1to2,

InputOutputArray outlmg,

const Scalar & matchColor = scalar: :all(-1),

const Scalar & singlePointColor = scalar: :all(-1),

const std::vector<char>& matchesMask = std: :vector< char >(),

DrawMatchesFlags flags = DrawMatchesFlags: :DEFAULT

)

imgl:第一张图像。
keypointsl:第一张图像中的关键点
img2:第二张图像。
keypoints2:第二张图像中的关键点。
matcheslto2:第一张图像中关键点与第二张图像中关键点的匹配关系。
outImg:显示匹配结果的输出图像。
matchColor:连接线和关键点的颜色。
singlePointColor: 没有匹配点的关键点的颜色
matchesMask:匹配掩码
flags:绘制功能选择标志

6.示例代码


void orb_fearures(Mat &gray,vector<KeyPoint> &keypoints,Mat &descriptions){Ptr<ORB> orb=ORB::create(1000,1.2f);orb->detect(gray,keypoints);orb->compute(gray,keypoints,descriptions);
}
void Matcher_f(Mat img1,Mat img2){//提取特征点vector<KeyPoint> keypoints1,keypoints2;Mat descriptions1,descriptions2;//计算特征点orb_fearures(img1,keypoints1,descriptions1);orb_fearures(img2,keypoints2,descriptions2);//特征点匹配vector<DMatch> matches;//定义存放匹配结果的变量BFMatcher matcher(NORM_HAMMING);//定义特征点匹配的类，使用汉明距离matcher.match(descriptions1,descriptions2,matches);//进行特征点匹配ostringstream ss;ss<<"matches="<<matches.size()<<endl;//匹配成功特征点数目//通过汉明距离删选匹配结果double min_dist=1000,max_dist=0;for(int i=0;i<matches.size();i++){double dist=matches[i].distance;if(dist<min_dist) min_dist=dist;if(dist>max_dist) max_dist=dist;}//输出所有匹配结果中最大韩明距离和最小汉明距离ss<<"min_dist="<<min_dist<<endl;ss<<"max_dist="<<max_dist<<endl;//将汉明距离较大的匹配点对删除vector<DMatch> good_matches;for(int i=0;i<matches.size();i++){if(matches[i].distance<=max(2*min_dist,20.0)){good_matches.push_back(matches[i]);}}ss<<"good_min="<<good_matches.size()<<endl;//剩余特征点数目LOGD("%s",ss.str().c_str());//绘制匹配结果Mat outimg,outimg1;drawMatches(img1,keypoints1,img2,keypoints2,matches,outimg);drawMatches(img1,keypoints1,img2,keypoints2,good_matches,outimg1);//显示结果imwrite("/sdcard/DCIM/outimg.png",outimg);//未筛选结果imwrite("/sdcard/DCIM/outimg1.png",outimg1);//最小汉明距离筛选}

未筛选的特征点匹配结果：