BRISK算法学习

未完。。待续。

参考网址：

http://bbs.sciencenet.cn/blog-261330-540049.html   未完成的讲解博客。
http://www.cnblogs.com/frischzenger/p/3326790.html brisk的中文翻译。

http://www.asl.ethz.ch/people/lestefan/personal/BRISK/index  brisk作者官网。

brisk算法可以不严格的实现实时运算。论文原文与现有的stat_of_the_art算法进行时间和效率比较图如下：

可以看出实现一次匹配需要39+29 = 68ms，每秒钟可以计算14张图片。

与freak 、orb算法相同，opencv也实现了brisk。也可以查看brisk作者提供的代码也可以查看opencv实现的代码，在看作者提供的代码的时候一定要使用opencv2.2，版本不能太高，因为高版本已经实现了brisk算法有些class会冲突，而导致不能使用。如果看代码，建议看作者提供的，作者提供的暴露了更多的接口；如果仅仅为了使用，建议使用opencv提供的，opencv提供的bug要少，更健壮些。

算法的粗略归纳：

1.生成图像金字塔。2.使用fast算法检测角点。3.对fast计算出的角点进行非最大值抑制，去掉不符合条件的角点。

使用opencv2.4.8运行自带的brisk算法的代码，从计算角点到匹配成功在我的图片上大概运行了172ms，不能满足实时条件：

#include "highgui.h"  
#include "cv.h"  
#include "vector"  
#include "opencv\cxcore.hpp"  
#include "iostream"  
#include "opencv.hpp"  
#include<opencv2/nonfree/features2d.hpp>  
#include<opencv2/nonfree/nonfree.hpp>  
using namespace cv;  
using namespace std;  

#include<Windows.h>

int main()//(int argc, _TCHAR* argv[])  
{  
	//Load Image   
	Mat c_src1 =  imread( "hello.jpg");  
	Mat c_src2 = imread("hello2.jpg");  
	Mat src1 = imread( "hello.jpg", CV_LOAD_IMAGE_GRAYSCALE);  
	Mat src2 = imread( "hello2.jpg", CV_LOAD_IMAGE_GRAYSCALE);  
	if( !src1.data || !src2.data )  
	{ std::cout<< " --(!) Error reading images " << std::endl; return -1; }  

	//sift feature detect  
	cv::BRISK detector;  
	std::vector<KeyPoint> kp1, kp2;  
	double start = GetTickCount();
	detector.detect( src1, kp1 );  
	detector.detect( src2, kp2 );  
	//cv::BRISK extractor;  
	Mat des1,des2;//descriptor  
	detector.compute(src1,kp1,des1);  
	detector.compute(src2,kp2,des2);     
	Mat res1,res2;   
	int drawmode = DrawMatchesFlags::DRAW_RICH_KEYPOINTS;  
	drawKeypoints(c_src1,kp1,res1,Scalar::all(-1),drawmode);//在内存中画出特征点  
	drawKeypoints(c_src2,kp2,res2,Scalar::all(-1),drawmode);  
	cout<<"size of description of Img1: "<<kp1.size()<<endl;  
	cout<<"size of description of Img2: "<<kp2.size()<<endl;  

	BFMatcher matcher(NORM_HAMMING);  
	vector<DMatch> matches;  
	matcher.match(des1,des2,matches);  
	double end = GetTickCount();
	cout<<end -start<<endl;
	Mat img_match;  
	drawMatches(src1,kp1,src2,kp2,matches,img_match);//,Scalar::all(-1),Scalar::all(-1),vector<char>(),drawmode);  
	cout<<"number of matched points: "<<matches.size()<<endl;  
	imshow("matches",img_match);  
	cvWaitKey();  
	cvDestroyAllWindows();  
	//cv::SIFT sift ;  
	//sift.  
	return 0;  
}  

版本二：使用摄像头实时采集图像并进行brisk运算。

#include "highgui.h"    
#include "cv.h"    
#include "vector"    
#include "opencv\cxcore.hpp"    
#include "iostream"    
#include "opencv.hpp"    
#include<opencv2/nonfree/features2d.hpp>    
#include<opencv2/nonfree/nonfree.hpp>    
using namespace cv;    
using namespace std;    

#include<Windows.h>  

int main()//(int argc, _TCHAR* argv[])    
{    
	//Load Image     
	Mat c_src1 =  imread( "hello.jpg");    
	Mat src1 = imread( "hello.jpg", CV_LOAD_IMAGE_GRAYSCALE);    
	 
	cv::BRISK detector;    
	std::vector<KeyPoint> kp1, kp2;    
	detector.detect( src1, kp1 );    

	Mat des1,des2;//descriptor    
	detector.compute(src1,kp1,des1);    

	Mat res1,res2;     
	int drawmode = DrawMatchesFlags::DRAW_RICH_KEYPOINTS;    
	drawKeypoints(c_src1,kp1,res1,Scalar::all(-1),drawmode);//在内存中画出特征点    

	BFMatcher matcher(NORM_HAMMING);    
	vector<DMatch> matches;    

	Mat imgMatch;    

	cv::VideoCapture cap(0);
	Mat frame;
	Mat frameGray;
	std::vector<KeyPoint> kpf;
	Mat desf;
	Mat img_match;  
	while(1){
		cap>>frame;
		cvtColor(frame,frameGray,CV_RGB2GRAY);
		detector.detect(frameGray,kpf);
		if(kpf.empty())
			continue;
		drawKeypoints(frameGray,kpf,frame,Scalar::all(-1),drawmode);
		detector.compute(frame,kpf,desf);
		matcher.match(des1,desf,matches);
		imshow("frame",frame);
		drawMatches(src1,kp1,frame,kpf,matches,img_match);
		imshow("match",img_match);
		waitKey(2);
	}
	
	return 0;    
}