gocv FeatureMatching 大图找小图

//FeatureMatching func

func (proc *ProcCV) FeatureMatching() {

    // opening query image

    query := gocv.IMRead("./images/1.jpg", gocv.IMReadGrayScale)

    defer query.Close()

    // opening train image

    train := gocv.IMRead("./images/2.jpg", gocv.IMReadGrayScale)

    defer train.Close()

    // creating new SIFT

    sift := gocv.NewSIFT()

    defer sift.Close()

    // detecting and computing keypoints using SIFT method

    kp1, des1 := sift.DetectAndCompute(query, gocv.NewMat())

    kp2, des2 := sift.DetectAndCompute(train, gocv.NewMat())

    // finding K best matches for each descriptor

    bf := gocv.NewBFMatcher()

    matches := bf.KnnMatch(des1, des2, 2)

    // application of ratio test

    var good []gocv.DMatch

    for _, m := range matches {

        if len(m) > 1 {

            if m[0].Distance < 0.75*m[1].Distance {

                good = append(good, m[0])

            }

        }

    }

    // matches color

    c1 := color.RGBA{

        R: 0,

        G: 255,

        B: 0,

        A: 0,

    }

    // point color

    c2 := color.RGBA{

        R: 255,

        G: 0,

        B: 0,

        A: 0,

    }

    // creating empty mask

    mask := make([]byte, 0)

    // new matrix for output image

    out := gocv.NewMat()

    // drawing matches

    gocv.DrawMatches(query, kp1, train, kp2, good, &out, c1, c2, mask, gocv.DrawDefault)

    // creating output window with result

    window := gocv.NewWindow("Output")

    window.IMShow(out)

    defer window.Close()

    for _, v := range good {

        log.Debugln(kp1[v.QueryIdx].X, kp1[v.QueryIdx].Y)//小图中匹配到的点

        log.Debugln(kp2[v.TrainIdx].X, kp2[v.TrainIdx].Y)//大图中匹配到的点

        robotgo.MoveMouse(int(kp1[v.QueryIdx].X), int(kp1[v.QueryIdx].Y))

        time.Sleep(time.Second * 1)

        robotgo.MoveMouse(int(kp2[v.TrainIdx].X), int(kp2[v.TrainIdx].Y))

        time.Sleep(time.Second * 1)

    }

    window.WaitKey(0)

}