OPENCV3的匹配

看了下sift的原理，实践时发现opencv3已经开始版权保护了，也就是要用sift和surf，必须下个contrib的附加模块。

一开始用的python，很愉快，不过发现官方文档中的fast,orb算法都是donot find the module。

网上一查，才知道3.0的文档实际是2.4的，官网怎么就不更新呢。

所以用c++，啃一下源代码吧，好在只要看个函数头，大概能猜出做什么，再说网上例子很多。

sift要安装新模块，就懒得用了，大致看了下fast,orb，觉得orb不错。以下为代码：

#include <iostream>  
#include <opencv2/core/core.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
#include "opencv2/features2d/features2d.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include <iostream>  
#include <vector>  
using namespace cv;
using namespace std;

int main()
{
	Mat img_1 = imread("C:\\Users\\acer\\Pictures\\algo\\book3.jpg");
	Mat img_2 = imread("C:\\Users\\acer\\Pictures\\algo\\book5.jpg");
	resize(img_1, img_1, Size(360, 640));
	resize(img_2, img_2, Size(360,640));
	if (!img_1.data || !img_2.data)
	{
		cout << "error reading images " << endl;
		return -1;
	}
	
	Ptr<ORB> orb=ORB::create();
	vector<KeyPoint> keyPoints_1, keyPoints_2;
	Mat descriptors_1, descriptors_2;

	orb->detect(img_1, keyPoints_1);
	orb->detect(img_2, keyPoints_2);

	orb->compute(img_1, keyPoints_1, descriptors_1);
	orb->compute(img_2, keyPoints_2, descriptors_2);
	BFMatcher matcher(NORM_HAMMING);
	vector<DMatch> matches;
	matcher.match(descriptors_1, descriptors_2, matches);

	Mat img_mathes;
	drawMatches(img_1, keyPoints_1, img_2, keyPoints_2, matches, img_mathes);
	// -- show 
	namedWindow("Test");
	imshow("Test", img_mathes);

	waitKey(0);
	return 0;
}

图片采用一个背景比较好，不同背景产生了大量的匹配错误，至于如何辨别是同一个物体以后解决。