opencv3.4.10编译及特征提取匹配

---

前言

OpenCV3.X时代以后，OpenCV将代码库分成了两部分，分别是稳定的核心功能库和试验性质的contrib库(Extra Modules)。并且从3.1以后，编译好的版本中就没有现成的x86平台的库，只有x64平台的，想用就必须自己从源码编译，之前都是直接下载编译好的版本。
opencv：https://github.com/opencv/opencv/releases
opencv_contrib：https://github.com/opencv/opencv_contrib/releases

---

一、编译opencv库

1.环境及准备

Windows 10
VisualStudio 2017
CMake 3.19
OpenCV核心库源码
OpenCV contrib库源码

2.编译及安装

1、直接使用vcpkg一键编译最简单。（vcpkg使用配置）

.\vcpkg.exe install opencv3[contrib]:x86-windows
.\vcpkg.exe install opencv3[contrib]:x64-windows
.\vcpkg.exe export opencv3[contrib]:x86-windows opencv3[contrib]:x64-windows  --zip

已编译版本：https://download.csdn.net/download/qing666888/13780914

2、使用CMake配置成VS2017工程，使用VS2017编译。具体步骤百度一下。

二、特征提取匹配

1.特征检测算法

特征检测提取算法，其中 SIFT和SURF都是需要使用nonfree module模块，即需要编译上面的opencv contrib模块。

"FAST" – FastFeatureDetector
"STAR" – StarFeatureDetector
"SIFT" – SIFT (nonfree module)
"SURF" – SURF (nonfree module)
"ORB" – ORB
"BRISK" – BRISK
"MSER" – MSER
"GFTT" – GoodFeaturesToTrackDetector
"HARRIS" – GoodFeaturesToTrackDetector with Harris detector enabled
"Dense" – DenseFeatureDetector
"SimpleBlob" – SimpleBlobDetector

Harris：用于检测角点
SIFT：用于检测斑点
SURF：用于检测斑点
FAST：用于检测角点
BRIEF：用于检测斑点
ORB：代表带有方向的FAST算法与具有旋转不变性的BRIEF算法

Harris，FAST都是用来检测角点的
SIFT（中的DOG），SURF（中的Hessian）是检测斑点的（关键点区域）
BRIEF也是检测斑点的。
ORB特征是基于FAST和BRIEF算法的，也是一种检测特征的算法

2.特征匹配算法

暴力匹配法
FLANN的匹配法

ORB特征匹配、K近邻特征匹配都是用暴力匹配法作为匹配器（BFMatcher ）的

暴力匹配法由BFMatcher对象实现暴力匹配：

bf = cv2.BFMatcher(cv2.NORM_HAMMING,crossCheck = True)
matches = bf.match(des1,des2)

FLANN算法由FlannBasedMatcher实现：

flann = cv2.FlannBasedMatcher(indexParams,searchParams)
matches = flann.knnMatch(des1,des2,k = 2)

暴力匹配多用于orb特征的匹配中：

orb = cv2.ORB_create()
kp1,des1 = orb.detectAndCompute(img1,None)
kp2,des2 = orb.detectAndCompute(img2,None)

FLANN多用于SIFT特征的匹配中：

sift = cv2.xfeatures2d.SIFT_create()
kp1,des1 = sift.detectAndCompute(queryImage,None)
kp2,des2 = sift.detectAndCompute(trainingImage,None)

上述代码非qt版本。

---

3.测试工程

效果如下，代码直接下载工程源码：

原图奉上，基于Qt的工程，使用SIFT特征提取算法，FLANN匹配算法。

代码如下：https://download.csdn.net/download/qing666888/13950031

---

总结

使用opencv进行图像识别检测的大概流程，首先对两张图片使用对应的检测算法，检测出图片的特征点，然后使用合适的特征匹配算法，判断两张待检测图片的特征点匹配情况。