opencv3/C++ 描述符匹配

BFMatcher类

暴力匹配BFMatcher类：
对于第一个集合中的每个描述符，这个匹配器通过尝试每个描述符找到第二个集合中最接近的描述符。

class CV_EXPORTS_W BFMatcher : public DescriptorMatcher
{
public:
//暴力匹配器构造函数
    CV_WRAP BFMatcher(  
    int normType=NORM_L2, //NORM_L1，NORM_L2，NORM_HAMMING，NORM_HAMMING2之一
    bool crossCheck=false );//为每个描述符找到k个最近的邻居,true时只返回一致的对
    virtual ~BFMatcher() {}
    virtual bool isMaskSupported() const { return true; }
    virtual Ptr<DescriptorMatcher> clone( bool emptyTrainData=false ) const;
protected:
    virtual void knnMatchImpl( InputArray queryDescriptors, std::vector<std::vector<DMatch> >& matches, int k,
        InputArrayOfArrays masks=noArray(), bool compactResult=false );
    virtual void radiusMatchImpl( InputArray queryDescriptors, std::vector<std::vector<DMatch> >& matches, float maxDistance,
        InputArrayOfArrays masks=noArray(), bool compactResult=false );
    int normType;
    bool crossCheck;
};

关于normType：
对于SIFT和SURF描述符，选择L1和L2较好；
ORB、BRISK、BRIEF，选择NORM_HAMMING；
对于ORB，当WTA_K == 3或4时，使用NORM_HAMMING2。

函数drawMatches()：

从两个图像中用一条线连接两个关键点（圈）绘制找到的关键点匹配。
函数drawMatches()参数说明：

void drawMatches( 
InputArray img1, //第一个源图像
const std::vector<KeyPoint>& keypoints1, //第一个源图像的关键点
InputArray img2, //第二个源图像
const std::vector<KeyPoint>& keypoints2, //第二个源图像的关键点
const std::vector<DMatch>& matches1to2, //从第一个图像到第二个图像匹配
InputOutputArray outImg, //输出图像
const Scalar& matchColor=Scalar::all(-1), //匹配到的关键点的颜色（线条和连接的关键点）
const Scalar& singlePointColor=Scalar::all(-1), //未匹配到的关键点的颜色（圆圈）
const std::vector<char>& matchesMask=std::vector<char>(), //确定绘制哪些匹配的掩模。如果掩模为空，则绘制所有匹配
int flags=DrawMatchesFlags::DEFAULT ); //设置绘图功能的标志

BFMatcher示例：

#include<opencv2/opencv.hpp>
#include<opencv2/xfeatures2d.hpp>
using namespace cv;
using namespace cv::xfeatures2d;

int main()
{
    Mat src1, src2, dst;
    src1 = imread("E:/image/image/card2.jpg");
    src2 = imread("E:/image/image/cards.jpg");
    if (src1.empty()||src2.empty()) 
    {
        printf("could not load image \n");
        return -1;
    }
    namedWindow("input", CV_WINDOW_AUTOSIZE);
    imshow("input", src1);
    Ptr<SURF>dector = SURF::create(700);
    std::vector<KeyPoint> keypoints1,keypoints2;
    Mat descriptor1, descriptor2;
    dector->detectAndCompute(src1, Mat(), keypoints1, descriptor1);
    dector->detectAndCompute(src2, Mat(), keypoints2, descriptor2);
    //指定L1或L2距离
    BFMatcher matcher(NORM_L2);
    std::vector<DMatch> matchers;
    matcher.match(descriptor1, descriptor2, matchers);
    Mat result;
    //从两个图像中绘制找到的关键点匹配
    drawMatches(src1, keypoints1, src2, keypoints2, matchers, result, Scalar::all(-1), Scalar(0,255,0));

    namedWindow("output", CV_WINDOW_AUTOSIZE);
    imshow("output", result);

    waitKey(0);
    return 0;
}