OpenCV中的特征匹配（Feature Matching）

最新推荐文章于 2023-09-16 09:56:36 发布
最新推荐文章于 2023-09-16 09:56:36 发布
阅读量5.5k 收藏 28
点赞数 3
分类专栏： Python OpenCV 图像处理 Python OpenCV 图像处理 文章标签： python opencv FLANN ORB SIFT 特征匹配
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_40985985/article/details/119347901
版权

OpenCV中的特征匹配（Feature Matching）

这篇博客将介绍如何使用OpenCV将一个图像中的特征与其他图像中的特征进行匹配。通过SIFT等关键点检测、蛮力匹配器和 FLANN KNN匹配来实现。

  • Brute-Force matcher 蛮力匹配器
  • FLANN Fast Approximate Nearest Neighbor Search Library 快速最近邻逼近搜索函数库
  • KNN K Nearest Neighbors K近邻

1. 效果图

要进行匹配的俩张原始图如下：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
程序媛一枚~
关注
  • 3
    点赞
  • 踩
  • 28
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
C#中OpenCvSharp 通过特征点匹配图片的方法
08-25
主要介绍了OpenCvSharp 通过特征点匹配图片的方法,本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下
【翻译：OpenCV-Python教程】特征匹配
【涘涘回来啦】
04-05 757
⚠️由于自己的拖延症，3.4.3翻到一半，OpenCV发布了4.0.1了正式版，所以接下来是按照4.0.1翻译的。 ⚠️除了版本之外，其他还是照旧，Feature Matching，附原文。 目标 在这章 我们将看到如何将一张图片中的特征与其他图片进行匹配。 我们会使用OpenCV 里的 蛮力匹配器 以及 FLANN 匹配器。 蛮力匹配器的基础 蛮力匹配器很简单。它取一个特征...
Python+OpenCV：特征匹配（Feature Matching）
《好好先生》专栏
11-25 1798
Python+OpenCV：特征匹配（Feature Matching） Basics of Brute-Force Matcher Brute-Force matcher is simple. It takes the descriptor of one feature in first set and is matched with all other features in second set using some distance calculation. And the closest on
Opencv学习笔记——特征匹配
Thousand_drive的博客
05-26 825
文章目录Brute-Force蛮力匹配1对1的匹配k对最佳匹配随机抽样一致算法（Random sample consensus，RANSAC）单应性矩阵 Brute-Force蛮力匹配   通过SIFT算法可以得到图像关键点，通过比较两张图像的关键点，也就是比较关键点向量之间的差异，Brute-Force蛮力匹配通过比较特征向量，离得最近的特征向量也就是最相似的。默认的是用归一化的欧氏距离。 bf = cv2.BFMatcher(crossCheck=True)   crossCheck为True的意思
OpenCV中特征点提取和匹配的通用方法
BALANCE
04-04 1259
OpenCV在新版本中把很多C语言的代码都重新整理成了C++代码，让我们在使用的时候更加方便灵活。其中对于特征点的提取和匹配，充分体现了C++的强大。下面直接用例子来说明。假设我们有两幅图：1.bmp和2.bmp，要从中提取体征点并匹配，代码如下： // Load image from file IplImage *pLeftImage = cvLoadImage("1.bmp
OpenCV之Feature Matching + Homography to find Objects
群星闪耀的博客
02-15 307
import numpy as np import cv2 as cv from matplotlib import pyplot as plt MIN_MATCH_COUNT = 10 img1 = cv.imread('box.png',0) # queryImage img2 = cv.imread('box_in_scene.png',0) # trainImage #...
OpenCV 之 特征匹配
fengweichangzi的博客
08-23 2740
OpenCV 中有两种特征匹配方法：暴力匹配 (Brute force matching) 和 最近邻匹配 (Nearest Neighbors matching) 它们都继承自 DescriptorMatcher，是基于特征描述符距离的匹配，根据描述符的不同，距离可以是 欧氏距离，也可以是 汉明距 1 暴力匹配 首先，任取图像 A 的一个特征描述符，计算它到图像 B 中所有特征描述符的距离；然后，将所得到的距离进行排序；最后，选择距离最短的特征，作为 A-...
OpenCV-Python实践之Feature-Matching算法
AutoXTruck专栏
03-01 4492
特征匹配算法简介 OpenCV库函数里面集成了相关特征匹配算法，目前有：Brute-Force Matcher(BF)算法、FLANN算法使用频率较高。暴力匹配算法比较简单：就是通过描述子descriptors1中任意特征去匹配descriptors2中的所有特征，得到距离的结果值，然后通过Ratio-test抑制来降低错误匹配点。FLANN算法是最近邻算法的快速近似，以此来提升匹配的计算效率，下...
opencv学习-特征匹配
wyw0000的博客
02-19 3099
opencv特征匹配算法
OpenCV（四十六）：特征点匹配
最新发布
weixin_63357306的博客
09-16 2335
特征点匹配是一种在两幅图像中寻找相互对应的特征点，并建立它们之间的对应关系的过程。具体而言，首先通过特征检测算法在两幅图像中寻找相互对应的特征点，然后，对于每个特征点，通过描述子提取算法计算其描述子，最后，使用匹配算法对两组特征点的描述子进行比较，以找到相互匹配的特征点对。在OpenCV中，特征点匹配的类主要是。是一个抽象基类，用于特征点描述子之间的匹配操作。
计算机视觉（十）：特征匹配（feature matching）/ 目标识别
tb店铺搜：FUN STORE玩物社，专业买手挑选送礼好物
10-23 2万+
一、背景知识1. 关键点检测和匹配流水线四个阶段2. 特征检测器3. 特征描述子（descriptor）4. 特征匹配5. 特征跟踪 一、背景知识 1. 关键点检测和匹配流水线四个阶段 ① 特征检测/提取（feature detection）：   &amp
opencv的特征匹配算法性能评估报告
02-17
在移动平台上运行opencv中常用的相关特征匹配算法所总结出的评估报告； 图形展示测试opencv算法的性能； 报告中包含对算法时间性能和鲁棒性的评估； 鲁棒性从亮度，模糊，旋转，尺度角度考虑，针对性的选取参数并...
FeatureMatching:使用 OpenCV 中包含的特征匹配算法来匹配图像，并将结果写入可以上传到 VisualSFM 的文件格式
06-06
VisualSFM 的特征匹配 这是一个简单的程序： 使用 ORB 检测 /inputFiles/images/ 中所有图像的关键点并计算它们的描述符 将这些关键点以 sift 格式（名称与图像名称匹配）写入文件到 /outputFiles/features 匹配...
基于OPENCV的SIFT特征提取与匹配算法代码
12-22
基于OPENCV的SIFT特征提取与匹配算法。包含完整的从图像高斯金字塔、DOG、空间极值点提取、关键点描述、KDtree匹配等关键步骤的全部函数实现，对全面深入理解Lowe的SIFT算法有莫大帮助。 程序运行前须安装 （1）...
Opencv中特征点提取和特征匹配算法详解（ORB SIFT SURF FAST）
Qzx9059的博客
03-28 9237
1.ORB（FAST检测子+brief描述子）速计算的特征点，但是其没有方向。ORB特征通过增加了FAST检测子所没有的方向性，利用计算速度特快的描述子BRIEF，这就使得提取图像特征时速度加快了很多。在以往提取一帧图像特征点的实验中，在提取相同数量的特征点情况下，提取SURF点耗时时间大约是提取ORB特征点的14倍，而提取SIFT点耗时更大，大概比提取ORB特征点多三百多倍。由此可知提取ORB特...
OpenCV之Feature Matching
群星闪耀的博客
02-15 1263
Brute-Force matcher BFmatcher（Brute-Force Matching）暴力匹配，应用BFMatcher.knnMatch( )函数来进行核心的匹配，knnMatch（k-nearest neighbor classification）k近邻分类算法。 kNN算法则是从训练集中找到和新数据最接近的k条记录，然后根据他们的主要分类来决定新数据的类别。该算法涉及3个主要...
Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配
热门推荐
2010yhh
09-07 3万+
Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配视频项目中要用到拼接，这里记录一下SIFT、SURF、ORB三种特征点。 本文不做过多的理论解释，只是利用opencv简单实现三种特征点匹配算法的验证（改进的部分暂未上传）。代码下载地址：Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配 环境： Windows下vs2010，opev2.4.9; 代码relea
【IMG Feature matching】openCV获取图像特征点的方法
图特摩斯科技-博客
10-22 7355
          在电脑视觉中，我们经常需要侦测或判断两个物件相似程度？该物件是否出现在相片中？在那里地方？例如下图中的这个City Café…         电脑是否能判断上图的咖啡与我手上的这杯是相同品牌？亦或，能否知道这杯就是City Café？                 对于我们人类来说，这应该是直觉又简单不过的事，但对于电脑可不是这样了，从物件中找出像素变化的...
openCV 图像特征点检测与匹配
cxzgood的博客
03-15 5093
基于opencv对图像进行特征点检测与匹配
opencv特征匹配
09-15
在OpenCV中，特征匹配是一个常用的计算机视觉任务，它可以用于在图像中找到相似的特征点或对象。OpenCV提供了几种特征匹配算法，其中最常见的是基于特征描述子的匹配算法，例如SIFT（Scale-Invariant Feature Transform）和SURF（Speeded-Up Robust Features）。 要进行特征匹配，首先需要检测图像中的特征点。这可以使用SIFT、SURF或其他检测器来完成。然后，提取这些特征点的描述子，描述子是一种能够唯一描述特征点的向量。 接下来，我们可以使用一些匹配算法，如暴力匹配（Brute-Force Matching）或基于kd树的匹配来比较两个图像中的特征点，并找到最佳匹配。 以下是一个简单的代码示例，展示了如何使用OpenCV进行SIFT特征匹配： ```python import cv2 # 加载图像 img1 = cv2.imread('image1.jpg', 0) img2 = cv2.imread('image2.jpg', 0) # 创建SIFT对象 sift = cv2.xfeatures2d.SIFT_create() # 检测和计算描述子 kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) # 创建暴力匹配器对象 bf = cv2.BFMatcher() # 使用KNN匹配算法进行特征匹配 matches = bf.knnMatch(des1, des2, k=2) # 应用比值测试，以筛选出最佳匹配 good_matches = [] for m, n in matches: if m.distance < 0.75 * n.distance: good_matches.append([m]) # 绘制匹配结果 img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good_matches, None, flags=2) # 显示结果 cv2.imshow('Matches', img3) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这只是一个简单的示例，你可以根据自己的需求进一步调整参数和优化算法。希望对你有所帮助！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

程序媛一枚~

您的鼓励是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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