OpenCv学习笔记14--图像描述符匹配算法、以及目标匹配

已于 2024-01-28 11:19:02 修改
阅读量5.4k 收藏 27
点赞数 4
分类专栏： OpenCV笔记 文章标签： opencv knn flann
于 2018-11-23 21:05:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_29893385/article/details/84403375
版权
本文介绍了OpenCV中图像描述符匹配的方法，包括暴力匹配（BFMatcher）及其优化，如交叉匹配和KNN匹配，以及使用FLANN库进行快速匹配。通过设置合适的参数和匹配策略，可以有效减少错误匹配，提高匹配准确性。同时，文章还探讨了利用匹配点寻找单应性变换的过程。
摘要由CSDN通过智能技术生成

此opencv系列博客只是为了记录本人对<<opencv3计算机视觉-pyhton语言实现>>的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes.

欢迎star,不定时更新...

在前面的一些小节中，我们已经使用到的图像描述符匹配相关的函数，在OpenCV中主要提供了暴力匹配、以及FLANN匹配函数库。

一 暴力匹配以及优化(交叉匹配、KNN匹配)

暴力匹配即两两匹配。该算法不涉及优化，假设从图片A中提取了mm个特征描述符，从B图片提取了nn个特征描述符。对于A中mm个特征描述符的任意一个都需要和B中的nn个特征描述符进行比较。每次比较都会给出一个距离值，然后将得到的距离进行排序，取距离最近的一个作为匹配点。这种方法简单粗暴，其结果也是显而易见的，通过前几节的演示案例，我们知道有大量的错误匹配，这就需要使用一些机制来过滤掉错误的匹配。比如我们对匹配点按照距离来排序，并指定一个距离阈值，过滤掉一些匹配距离较远的点。

OpenCV专门提供了一个BF

了解本专栏 订阅专栏 解锁全文 超级会员免费看
小熊猫Q
关注
  • 4
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
订阅专栏
Opencv学习笔记 - OpenCV 4机器学习算法简介
学以致用 知行合一
11-16 5008
在机器学习中，一些比较流行方法的包括：支持向量机（SVM）、人工神经网络（ANN）、聚类、k-最近邻、决策树和深度学习。OpenCV支持并实现几乎所有这些方法，并有详细的文档说明。 OpenCV 4 机器学习算法 OpenCV实现了其中的八种机器学习算法，所有这些算法都继承自StatModel类，这八种算法是： ·人工神经网络 ·随机树 ·期望最大化 ·k-最近邻 ·............
计算机视觉相关关系图,第四节：计算机视觉--特征描述符与图像匹配
weixin_30358181的博客
07-04 873
特征描述符当我们进行完角点检测后，我们就可以在不同的图片中寻找相同的特征了。但是不同的图像会存在平移，旋转，光照等种种情况，我们必须保证，这些检测的特征在不同的图像上是不变的，只有这样，在能得到在不同的图像上进行相同特征的检测。而harris角点虽然具有一定的不变性，但是这种不变性对于特征的匹配的作用不大。所以，我们可以为每一个特征设计一个描述符，这个描述符有两个作用不变性： 即使图像被变换，描述...
图像匹配 | 论文与方法整理
3D视觉工坊
04-26 1万+
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：梦寐mayshine链接：https://zhuanlan.zhihu.com/p/108858079本文转载自知乎，作者已授...
【OpenCV】特征匹配
最新发布
qq_40041064的博客
07-19 410
本文分享OpenCV中的特征匹配，希望对各位小伙伴有所帮助！目录前言1. 特征检测2. 特征匹配3. 参数调整1. 特征检测【OpenCV】SIFT&SURF&ORB 特征检测-CSDN博客2. 特征匹配//特征点匹配std::cout
Python计算机视觉编程 - 第二章 图像局部描述符 -SIFT特征匹配
R
03-18 726
1.SIFT特征原理描述 SIFT是尺度不变特征变换，其过程包括兴趣点的采集和描述子。SIFT的描述子具有很强的稳健性，这也是SIFT特征成功和流行的主要原因。 SIFT具体可以分为以下几个步骤。 1.使用高斯差分函数来定位兴趣点： Gσ是二维高斯核，Iσ是Gσ模糊的灰度图像，K是决定相差尺度的常数。兴趣点是在图像位置和尺度变化下D(x,σ)的最大值和最小值点。 SIFT描述子在兴趣点附近选取子...
学习OpenCV——KeyPoint Matching 优化方式
热门推荐
小熊不去实验室
02-25 3万+
今天读Mastering OpenCV with Practical Computer Vision Projects 中的第三章里面讲到了几种特征点匹配的优化方式，在此记录。 在图像特征点检测完成后（特征点检测参考：学习OpenCV——BOW特征提取函数（特征点篇）），就会进入Matching  procedure。 OpenCV提供了两种Matching方式： • Brute-for
HPatches数据集(图像匹配)---2关于评估代码的解释---和python画出结果
baidu_40840693的博客
11-10 1863
关于评估代码的解释: 我们先提前下载所有算法对数据集patches提取的描述符: ./download.sh descr List of available descriptor results file for HPatches: +-------------------+---------------------------------------------------------------------+ | name |
opencv学习与使用：图像匹配
欢迎来到GEEK卷轶浩繁的博客
03-05 469
差分矩阵求和 numpy使用指南[菜鸟教程]http://www.runoob.com/numpy/numpy-tutorial.html opencv使用指南[官方文档]http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html 实现差分矩阵的算法 def showpiclocation(img,findi...
opencv图像特征值特征匹配
方寸想法，编码宇宙
03-18 1626
文章目录1.什么是蛮力匹配2.对ORB 描述符进行蛮力匹配3.对SIFT 描述符进行蛮力匹配和比值测试4.FLANN 匹配器5.使用特征匹配和单应性查找对象 1.什么是蛮力匹配 2.对ORB 描述符进行蛮力匹配 代码速记： cv2.ORB_create() orb.detectAndCompute() cv2.BFMatcher() bf.match() sorted() cv2.drawMat...
图像处理--OpenCV学习笔记
Prime me的博客
02-04 3026
OpenCV
OpenCv学习笔记13--基于ORB的特征检测和特征匹配
小熊猫的博客
11-23 1891
此opencv系列博客只是为了记录本人对&lt;&lt;opencv3计算机视觉-pyhton语言实现&gt;&gt;的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes. 欢迎star,不定时更新... 之前我们已经介绍了SIFT算法，以及SURF算法，但是由于计算速度较慢的原因。人们提出了使用ORB来替代SIFT和SUR...
OpenCv学习笔记11--SURF特征提取算法
小熊猫的博客
11-23 1202
此opencv系列博客只是为了记录本人对&lt;&lt;opencv3计算机视觉-pyhton语言实现&gt;&gt;的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes. 欢迎star,不定时更新... 上一节我们已经介绍了SIFT算法,SIFT算法对旋转、尺度缩放、亮度变化等保持不变性，对视角变换、仿射变化、噪声也保持一...
trainImage queryImage trainIdex queryIdx OpenCV
OrdinaryMatthew的博客
10-01 886
I suppose the reason for choosing these names should be that in some application we have got a set of images (training images) beforehand, for example 10 images taken inside your office. The features can be extracted and the feature descriptors can be comp
详解python opencv 归一化
牛肉胡辣汤
01-30 3514
归一化是一种线性变换操作，通过对图像每个像素值进行特定的变换，将其限制在指定的范围内。归一化的目的是使图像的像素值分布更均匀，更有利于后续的图像处理和分析。本文详细介绍了在 Python OpenCV 中进行归一化的方法。归一化操作对于图像处理和分析往往是必要的，它可以使图像像素值在一定范围内分布均匀，提供更好的视觉效果和更准确的数据分析。通过利用函数，我们可以轻松地对图像进行归一化操作。
Opencv图像分割之K-means聚类算法
linqianbi的博客
01-22 1万+
kmeans是非常经典的聚类算法，至今也还保留着较强的生命力，图像处理中经常用到kmeans算法或者其改进算法进行图像分割操作，在数据挖掘中kmeans经常用来做数据预处理。opencv中提供了完整的kmeans算法，其函数原型为： double kmeans( InputArray data, int K, InputOutputArray bestLabels, TermCriter
python数字图像处理基础（九）——特征匹配
SavEMyselF1的博客
01-18 4917
利用两个图像中至少四个特征点能够求解一个单应性矩阵(homography matrix)，然后用这个单应性矩阵能够将图像1中的某个坐标变换到图像2中对应的位置。基本的思想是：数据中包含正确的点和噪声点，合理的模型应该能够在描述正确数据点的同时摒弃噪声点。而RANSAC算法则通过随机采样和一致性检验，从包含噪声的数据中估计出正确的模型参数，对于一些存在噪声和异常值的情况，RANSAC能够更稳健地估计模型。你提到的使用SIFT找到特征点，并通过单应性矩阵将图像进行变换，是一种常见的方法。通过SIFT找特征点。
【OpenCV】第二十四章: 图像特征匹配：暴力特征匹配算法、FLANN特征匹配算法
因为热爱所以坚持
12-07 3094
参数match就是匹配器的匹配结果；参数crossCheck表示交叉检查，意思就是用第一组中的每个描述子和第二组的所有描述子进行匹配完后，再用第二组中的每个描述子和第一组的所有描述子进行匹配，这两步做完后，两步同时找到的相同的匹配对儿就是有效的匹配。方法一：用匹配器的match方法，进行特征匹配：match = bf.match(des1, des2)，就是对两幅图的描述子进行计算，返回匹配的结果。匹配的时候是计算两个描述子之间的相似度，然后返回相似度最高的一对儿匹配点，也就是最终的匹配结果。
OpenCV-Python教程：统计函数~L1、L2、无穷范数、汉明范数(norm,NORM_HAMMING2,NORM_HAMMING)
桔子code 的博客
11-05 4901
原文链接：http://www.juzicode.com/opencv-python-statistics-norm 返回Opencv-Python教程 1、什么是范数 下图是百度百科关于范数的定义： 从定义可以看到L1范数是所有元素的绝对值的和；L2范数是所有元素(绝对值)的平方和再开方；无穷范数是所有元素取绝对值后再取最大值；在OpenCV中所有元素展开成一个集合构成了上述x1，x2……xn； 汉明范数不在上述定义中，汉明范数又称汉明距离，最开始用于数据传输的差错控制编码，表示两个相同
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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