【opencv】特征点提取和匹配的通用方法

2013：

 订阅

原文网址：http://cncncv.blog.163.com/blog/static/206181026201232444017471/

OpenCV在新版本中把很多C语言的代码都重新整理成了C++代码，让我们在使用的时候更加方便灵活。其中对于特征点的提取和匹配，充分体现了C++的强大。下面直接用例子来说明。假设我们有两幅图：1.bmp和2.bmp，要从中提取体征点并匹配，代码如下：

 

// Load image from file

IplImage *pLeftImage = cvLoadImage("1.bmp", CV_LOAD_IMAGE_GRAYSCALE);
IplImage *pRightImage = cvLoadImage("2.bmp", CV_LOAD_IMAGE_GRAYSCALE);

 

// Convert IplImage to cv::Mat

Mat matLeftImage = Mat(pLeftImage, false); // Do not copy
Mat matRightImage = Mat(pRightImage, false);

 

// Key point and its descriptor

vector<KeyPoint> LeftKey;
vector<KeyPoint> RightKey;

Mat LeftDescriptor;
Mat RightDescriptor;

vector<DMatch> Matches;

 

// Detect key points from image

FeatureDetector *pDetector = new SurfFeatureDetector; // 这里我们用了SURF特征点
pDetector->detect(matLeftImage, LeftKey);
pDetector->detect(matRightImage, RightKey);

delete pDetector;

 

// Extract descriptors

DescriptorExtractor *pExtractor = new SurfDescriptorExtractor; // 提取SURF描述向量
pExtractor->compute(matLeftImage, LeftKey, LeftDescriptor);
pExtractor->compute(matRightImage, RightKey, RightDescriptor);

delete pExtractor;

 

// Matching features

DescriptorMatcher *pMatcher = new FlannBasedMatcher; // 使用Flann匹配算法
pMatcher->match(LeftDescriptor, RightDescriptor, Matches);

delete pMatcher;

 

// Show result

Mat OutImage;
drawMatches(matLeftImage, LeftKey, matRightImage, RightKey, Matches, OutImage);
cvNamedWindow( "Match features", 1);
cvShowImage("Match features", &(IplImage(OutImage)));
cvWaitKey( 0 );
cvDestroyWindow( "Match features" );

 

    从上面的代码可以看见，用OpenCV来做特征提取匹配相当简便，出去读图和显示结果的代码，真正核心的部分只有3段代码，分别是检测关键点，提取描述向量和特征匹配，一共只有11行代码。

    在我的示例代码中，使用的是SURF特征，而在OpenCV中，实现了很多种特征，如SIFT，FAST等，这些特征的实现各不相同，但是都是从一个公共抽象基类派生出来的，因此可以用多态方便地切换特征提取算法。下面我将详细地说明。

 

1 FeatureDetector

    FeatureDetector是关键点检测类的抽象基类，其已经实现的具体类有：

    class FastFeatureDetector

    class GoodFeaturesToTrackDetector

    class MserFeatureDetector

    class StarFeatureDetector

    class SiftFeatureDetector

    class SurfFeatureDetector

要使用某一种检测器，可以直接调用FeatureDetector的工厂来创建，该工厂是一个静态方法，如下：

// Create feature detector by detector name.
static Ptr<FeatureDetector> create( const string& detectorType );

也可以像我的示例代码中那样显式的创建，如下：

FeatureDetector *pDetector = new SurfFeatureDetector;

可以用swich实现在多种方法中切换。

 

2 DescriptorExtractor

    DescriptorExtractor是提取关键点的描述向量类抽象基类，其具体类有：

    class SiftDescriptorExtractor

    class SurfDescriptorExtractor

    class CalonderDescriptorExtractor

    class BriefDescriptorExtractor

    class OpponentColorDescriptorExtractor

要使用某一种描述向量，可以调用DescriptorExtractor的工厂来创建，静态方法如下：

static Ptr<DescriptorExtractor> create( const string& descriptorExtractorType );

也可以像我的示例代码中那样显式的创建，如下：

DescriptorExtractor *pExtractor = new SurfDescriptorExtractor;

可以用swich实现在多种方法中切换。

 

3 DescriptorMatcher

    DescriptorMatcher是匹配器的抽象基类，其具体类有：

    class BruteForceMatcher

    class FlannBasedMatcher

匹配器可以由静态工厂方法直接创建，如下：

static Ptr<DescriptorMatcher> create( const string& descriptorMatcherType );

也可以像我的示例代码中那样显式的创建，如下：

DescriptorMatcher *pMatcher = new FlannBasedMatcher;

可以用swich实现在多种方法中切换。

 

    多态的使用，可以让我们对不同的特征采用相同的代码来编程，这是OpenCV设计的一种策略模式，大大地简化了代码量，并增加了灵活性，让我们可以在多种特征提取和匹配方法之间自由切换