OpenCV使用brisk做一个简单的场景匹配

程序员老舅

于 2023-02-16 16:15:36 发布

阅读量177

点赞数

分类专栏： Qt开发文章标签： opencv 计算机视觉人工智能图像处理 C/C++

本文链接：https://blog.csdn.net/m0_60259116/article/details/129064096

版权

Qt开发专栏收录该内容

640 篇文章 251 订阅

订阅专栏

1、概述

　　案例：使用opencv+qt+brisk实现关键点提前、生成描述子，并使用BFMatcher实现场景对象匹配，最后使用drawMatches将匹配结果绘制出来

　　实现步骤：

　　　　　　1.使用Qt制作场景对象及场景图像的选择页面，并放置一个按钮开始检测

　　　　　　2.使用imread载入场景图像及场景对象

　　　　　　3.实例化Brisk，并使用其detectAndCompute方法提取场景图像及场景对象的关键点及描述子

　　　　　　4.实例化BFMatcher，并使用期match方法来匹配

　　　　　　5.绘制出匹配结果

本文福利，莬费领取Qt开发学习资料包、技术视频，内容包括（C++语言基础，Qt编程入门，QT信号与槽机制，QT界面开发-图像绘制，QT网络，QT数据库编程，QT项目实战，QSS，OpenCV，Quick模块，面试题等等）↓↓↓↓↓↓见下面↓↓文章底部点击莬费领取↓↓

2、代码示例

　　1.使用Qt制作场景选择窗口

this->setWindowTitle("brisk场景对象匹配");
    //选择场景对象
    Custom_Choice_File_Widget *ccfw = new Custom_Choice_File_Widget(this,"场景对象选择","场景对象");
    ccfw->setFixedSize(320,85);
    //选择场景图片
    Custom_Choice_File_Widget *ccfw2 = new Custom_Choice_File_Widget(this,"场景图选择","场景图");
    ccfw2->move(0,ccfw->height());

    QPushButton *btnCheck = new QPushButton(this);
    btnCheck->setFixedSize(100,47);
    btnCheck->setText("开始检测");
    btnCheck->move(0,ccfw2->y()+ccfw2->height()+10);
    connect(btnCheck,&QPushButton::clicked,[=](){
        if(ccfw->getFilePath()!=NULL&&ccfw2->getFilePath()!=NULL){
            checkObject(ccfw->getFilePath().toStdString().c_str(),ccfw2->getFilePath().toStdString().c_str());
        }else{
            QMessageBox::warning(this,"温馨提示","请先选择场景图片和场景对象");
        }

    });

2.真正的检测部分

  //【1】载入场景图像及场景对象
    Mat img1 = imread(senceFilePath, IMREAD_GRAYSCALE);//加载场景图片
    Mat img2 = imread(objectFilePath, IMREAD_GRAYSCALE);//加载场景对象图片
    if (img1.empty() || img2.empty()) {
        printf("could not load images...\n");
        return;
    }
    //先显示原图
    imshow("box image", img1);
    imshow("scene image", img2);

   //【2】实例化Brisk并调用其detectAndCompute方法提取关键点及特征描述子
    Ptr<Feature2D> detector = BRISK::create();
    vector<KeyPoint> keypoints_obj;
    vector<KeyPoint> keypoints_scene;
    Mat descriptor_obj, descriptor_scene;
    detector->detectAndCompute(img1, Mat(), keypoints_obj, descriptor_obj);
    detector->detectAndCompute(img2, Mat(), keypoints_scene, descriptor_scene);

    //【3】实例化BFMatcher并调用其matcher.match方法匹配特征描述子
    BFMatcher matcher(NORM_L2);
    vector<DMatch> matches;
    matcher.match(descriptor_obj, descriptor_scene, matches);

    //【4】将匹配结果绘制出来（关键点及特征描述子）
    Mat matchesImg;
    drawMatches(img1, keypoints_obj, img2, keypoints_scene, matches, matchesImg);
    imshow("BRISK MATCH RESULT", matchesImg);