opencv3中使用FLANN进行特征点匹配

这篇博客介绍了如何使用OpenCV3库中的FLANN(Fast Library for Approximate Nearest Neighbors)进行特征点匹配。首先通过SURF算法检测图像的特征点,然后计算特征描述子。接着,利用FLANN匹配器进行匹配,并通过比较距离找到最佳匹配。最后,通过绘制匹配的点展示了匹配效果。
摘要由CSDN通过智能技术生成
#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>

using namespace cv;
using namespace std;

int main()
{
	Mat srcImage1 = imread("mofang1.jpg");
	Mat srcImage2 = imread("mofang2.jpg");
	imshow("【原图1】", srcImage1);
	imshow("【原图2】", srcImage2);

	//首先对两幅图像进行特征点的检测
	//先准备参数
	vector<KeyPoint> keyPoint1;
	vector<KeyPoint> keyPoint2;
	SURF surf;
	surf.detect(srcImage1, keyPoint1);
	surf.detect(srcImage2, keyPoint2);

	//利用得到的特征点计算特征描述子
	//目的:对得到的每个特征点进行特征描述,整合到Mat类型的矩阵中(计算结果是Mat类型的)
	//该得到的结果矩阵的行数就是特征点的个数,因为是对每个点进行描述,所以每行都会有一个描述的字子向量,共同构成Mat矩阵
	Mat descriImage1, descriImage2;
	surf.compute(srcImage1, keyPoint1, descriImage1);
	surf.compute(srcImage2, keyPoint2, descriImage2);

	//正式开始在两幅图像中进行匹配
	//先得到一个匹配向量
	FlannBasedMatcher FLMatcher;
	vector<DMatch> g_vMatches;
	//g_vMatches就是得到的匹配向量
	FLMatcher.match(descriImage1, desc
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值