图像特征匹配总结

本文详细介绍了OpenCV中图像特征匹配的方法,包括Brute-Force匹配基础、ORB描述符匹配、SIFT描述符匹配及比值测试、FLANN匹配器的使用,以及如何结合特征匹配和单应性查找图像中的对象。内容涵盖了各种匹配器的构造、参数设置、匹配结果的绘制和筛选,以及在实际应用中的注意事项。
摘要由CSDN通过智能技术生成

大部分转自 https://blog.csdn.net/ssw_1990/article/details/72629655

OpenCV官方文档:https://docs.opencv.org

参考文献:Feature Matching:http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_matcher/py_matcher.html#matcher

https://docs.opencv.org/master/dc/dc3/tutorial_py_matcher.html

一. Brute-Force的匹配基础

蛮力匹配器:首先在第一幅图像中选取一个关键点然后依次与第二幅图像的每个关键点进行(描述符)距离测试,最后返回距离最近的关键点。函数原型 BFMatcher::BFMatcher(int normType=NORM_L2, bool crossCheck=false),构造函数如下所示:

  1. normType:用来指定要使用的距离测试类型。默认值为cv2.Norm_L2,这很适合SIFT和SURF等(c2.NORM_L1也可)。对于使用二进制描述符的ORB、BRIEF和BRISK算法等,要使用cv2.NORM_HAMMING,这样就会返回两个测试对象之间的汉明距离。如果ORB算法的参数设置为WTA_K==3或4,normType就应该设置成cv2.NORM_HAMMING2。
  2. crossCheck:默认值为False。如果设置为True,匹配条件就会更加严格,只有到A中的第个特征点与B中的第个特征点距离最近,并且B中的第个特征点到A中的第个特征点也是最近时才会返回最佳匹配,即
  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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