#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
opencv3中使用FLANN进行特征点匹配
最新推荐文章于 2023-10-25 16:43:07 发布
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