opencv4 图像特征匹配_计算机视觉入门（六）——实战基于特征点检测的物体识别...

在计算机视觉中，尽管目前深度学习已经成为主流，但作为初学入门，掌握特征点这一思想还是很有用的，所谓特征点就是图像中特征比较明显的点，往往由关键点和其描述子组成，比较经典的关键点如sift, surf和orb等在众多场合都有应用，比如做视觉匹配或者导航SLAM等方面用到的ORB-SLAM，就是基于orb特征点做的，如果有感兴趣的读者可以私信，笔者会在后续章节详细剖析各类好玩的算法。

今天主要是实战，在ubuntu环境下基于第三节介绍的opencv-python安装方法，安装完opencv后：

1.找到你opencv源码的文件夹，找到其中simples文件夹中python文件夹。

2.找到文件find_obj.py(笔者所用版本为opencv4.0.1)。

3.在这个文件夹内打开你的终端，并进入anaconda配置的子环境，也就是安装了对应版本opencv的那个环境

4.执行这个文件($python find_obj.py)就可以看到例程匹配效果如下：

Opencv例程匹配效果

5.可以在命令后加-feature=sift或orb或surf来改变特征点提取的方法，也可以改变代码中img1和img2的imread函数路径为自己的图片路径，用自己的图片来做匹配，效果如下：

自己图片做匹配的效果

基于这段例程，你就可以实现一些自己的应用场景了，例如产品分类识别之类的，是不是很有趣呢。