openCV与C++的图像识别(三)——特征点匹配

#include "stdafx.h"
#include "opencv2/core/core.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/legacy/legacy.hpp"
#include "iostream"
#include "time.h"
using namespace cv;

int main( )
{
	long time = clock();
	Mat image1 = imread("F://army//person.jpg");
	Mat image2 = imread("F://army//person4.jpg");
	// 检测surf特征点
	vector<KeyPoint> keypoints1, keypoints2;
	SurfFeatureDetector detector(700);
	detector.detect(image1, keypoints1);
	detector.detect(image2, keypoints2);
	// 计算特征描述点
	SurfDescriptorExtractor surfDesc;
	Mat descriptros1, descriptros2;
	surfDesc.compute(image1, keypoints1, descriptros1);
	surfDesc.compute(image2, keypoints2, descriptros2);
	// 计算匹配点数
	BruteForceMatcher<L2<float>>matcher;
	vector<DMatch> matches;
	matcher.ma
  • 3
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一个开源的计算机视觉库,它提供了丰富的图像处理和计算机视觉算法,并支持多种编程语言,包括C++。图像特征提取和识别OpenCV的核心功能之一。 图像特征提取是指从原始图像中提取出具有丰富信息的特征,这些特征可用于图像分析、目标检测和图像识别等任务。OpenCV提供了多种图像特征提取算法,如Harris角点检测、SIFT、SURF和ORB等。这些算法能够自动检测图像中的关键特征点,如角点、边缘和斑点,并计算出这些特征的描述子。 图像识别是指将提取出的图像特征进行匹配和分类,以实现对图像内容的自动识别和理解。OpenCV提供了多种图像识别算法,如基于特征匹配图像拼接、目标跟踪和物体识别等。通过在不同图像匹配相似的特征点,并计算它们之间的相似度,可以实现对目标物体的识别和跟踪。 在使用OpenCV进行图像特征提取和识别时,首先需要加载并预处理原始图像,并选择适合的特征提取算法,提取出图像中的关键特征点和其描述子。然后,可以使用这些特征点进行匹配和分类,以实现图像的拼接、目标跟踪和物体识别等功能。 总而言之,OpenCV图像特征提取与识别库提供了丰富的功能和算法,能够帮助我们从图像中提取有用的特征,并实现对图像内容的自动识别和理解,为计算机视觉和图像处理相关领域的研究和应用提供强大的支持。

“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
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