OpenCV学习笔记__特征检测与匹配之 SURF算法（转）-CSDN博客

步骤：
特征检测 —— 特征描述 —— 特征匹配

实现流程：
（1）特征检测：SurfFeatureDetector类 . detect( )函数
（2）特征描述：SurfDescriptorExtractor类 . compute( )函数
（3）特征匹配：BruteForceMatcher类 . match( )函数
（这三步的实现都类似：类实例化一个对象，（定义vector或者Mat存放结果），调用函数，将计算结果存储供给下一步使用）
（4）最后显示“匹配图”：drawMatches( )函数

实现代码：
#include “opencv2/core/core.hpp”
#include “opencv2/features2d/features2d.hpp”
#include “opencv2/highgui/highgui.hpp”
#include <opencv2/nonfree/nonfree.hpp>
#include<opencv2/legacy/legacy.hpp>
#include
using namespace cv;
using namespace std;

int main()
{
//【1】载入素材图
Mat srcImage1 = imread(“1.jpg”, 1);
Mat srcImage2 = imread(“2.jpg”, 1);
if (!srcImage1.data || !srcImage2.data)
{
printf(“读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n”); return false;
}

//【2】使用SURF算子检测关键点
int minHessian = 700;//SURF算法中的hessian阈值
SurfFeatureDetector detector(minHessian);//定义一个SurfFeatureDetector（SURF） 特征检测类对象  
std::vector<KeyPoint> keyPoint1, keyPoints2;//vector模板类，存放任意类型的动态数组

//【3】调用detect函数检测出SURF特征关键点，保存在vector容器中
detector.detect(srcImage1, keyPoint1);
detector.detect(srcImage2, keyPoints2);

//【4】计算描述符（特征向量）
SurfDescriptorExtractor extractor;
Mat descriptors1, descriptors2;
extractor.compute(srcImage1, keyPoint1, descriptors1);
extractor.compute(srcImage2, keyPoints2, descriptors2);

//【5】使用BruteForce进行匹配
// 实例化一个匹配器
BruteForceMatcher< L2<float> > matcher;
std::vector< DMatch > matches;
//匹配两幅图中的描述子（descriptors）
matcher.match(descriptors1, descriptors2, matches);

//【6】绘制从两个图像中匹配出的关键点
Mat imgMatches;
drawMatches(srcImage1, keyPoint1, srcImage2, keyPoints2, matches, imgMatches);//进行绘制

//【7】显示效果图
imshow("匹配图", imgMatches);

waitKey(0);
return 0;

}
转自添加链接描述