OpenCV中图像拼接的一些基础知识

一、数据结构和数据的基本定义

1、【OpenCV】KeyPoint数据结构

【OpenCV】KeyPoint数据结构
讲解了KeyPoint数据结构的细节信心

2、OpenCV 之 特征匹配

OpenCV 之 特征匹配
讲解了特征匹配的两种方法：暴力匹配 (Brute force matching) 和 最近邻匹配 (Nearest Neighbors matching)

3、Opencv Surf算子中keyPoints，描述子Mat矩阵，配对向量DMatch里都包含了哪些好玩的东东？

Opencv Surf算子中keyPoints，描述子Mat矩阵，配对向量DMatch里都包含了哪些好玩的东东？
说明了keyPoints、描述子Mat矩阵和配对向量DMatch的一些结构性的内容。

二、具体的代码

对匹配点进行显示

Mat preGrayFrame;
Mat curGrayFrame;
cvtColor(preFrame, preGrayFrame, COLOR_BGR2GRAY, 1);
cvtColor(curFrame, curGrayFrame, COLOR_BGR2GRAY, 1);
imshow("preFrame", preFrame);
waitKey(1);

Ptr<SurfFeatureDetector> detector = SurfFeatureDetector::create();           //提取特征点
//Ptr<SurfDescriptorExtractor> extractor = SurfDescriptorExtractor::create();
Ptr<BFMatcher> matcher = BFMatcher::create();           //这里填写匹配方式，Brute-force matcher create method.暴力匹配，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

vector<KeyPoint> preKeyPoints, curKeyPoints;           //存储特征点（关键点）
Mat preDescriptors, curDescriptors;           //存储

//检测关键点并计算其周围区域的描述符（descriptors），这个描述符用于特征点的匹配，然后将它们扭曲成圆圈。
detector->detectAndCompute(preGrayFrame, Mat(), preKeyPoints, preDescriptors);           
detector->detectAndCompute(curGrayFrame, Mat(), curKeyPoints, curDescriptors);           

//输出检测到的关键点的大小和描述符
cout << "Total keypoints: " << preKeyPoints.size() << endl;
cout << "Total keypoints: " << preKeyPoints.size() << endl;
cout << "preDescriptors:   " << preDescriptors.size() << endl;
imshow("preDescriptors", preDescriptors);
imshow("curDescriptors", curDescriptors);
waitKey(1);


//通过两阶段优化matches
vector<DMatch> matches, goodMatches1, goodMatches2;           //存储匹配的特征对（配对向量）
matcher->match(preDescriptors, curDescriptors, matches);           //前后两帧的特征点进行配对

//显示前一帧和当前帧的匹配图像
cout << "play" << endl;
Mat first_match;
drawMatches(preFrame, preKeyPoints, curFrame, curKeyPoints, matches, first_match);
imshow("first_match ", first_match);
waitKey(1);
cout << "over" << endl;

注意：其中preFrame和curFrame必须是原始图像（三通道图像）或者其他规定的格式。