Brute-Force(暴力)匹配+ORB算法进行特征点的匹配(附代码)

一、Brute-Force(暴力)匹配

首先在第一幅图像选取一个特征点,然后依次与第二个图像中的特征点进行(描述符)距离测试,最后返回距离最近的特征点。


二、对于暴力匹配,首先使用opencv中cv2.BFMatcher()函数进行特征点的匹配,其有两个参数

  1. 第一个参数normType,用来指定要使用的距离测试类型,默认值为cv2.Norm_L2,很适合用于SIFT 和 SURF算法;                                                对于二进制描述符的ORB、BRIEF和BRISK算法,则使用cv2.NORM_HAMMING;
  2. 第二个参数是布尔变量crossCheck,默认值为 False。如果设置为True,匹配条件就会更加严格,只有到 A 中的第 i 个特征点与 B 中的第 j 个特征点距离最近,并且 B 中的第 j 个特征点到 A 中的第 i 个特征点也是最近时才会返回最佳匹配(i,j)
     

三、BFMatcher 具有两个方法BFMatcher.match() 和 BFMatcher.knnMatch()。

  1. 第一个方法BFMatcher.match() 会返回最佳匹配。其返回值是一个DMatch对象列表,这个对象列表具有如下属性:

DMatch.distance - 描述符之间的距离,越小越好。

DMatch.trainIdx - 目标图像中描述符的索引。

DMatch.queryIdx - 原图像中描述符的索引。

DMatch.imgIdx - 目标图像的索引。

      2. 第二个方法BFMatcher.knnMatch()为每个特征点返回 k 个最佳匹配,(降序排列之后取前 k 个,其中 k 是由用户决定的)。


和cv2.drawKeypoints() 绘制特征点一样,可以使用cv2.drawMatches() 来绘制匹配的点。它会将两幅图像先水平排列,然后在最佳匹配的点之间绘制直线。如果前面使用的是 BFMatcher.knnMatch()方法,则使用函数 cv2.drawMatchsKnn()为每个特征点和它的 k 个最佳匹配点绘制匹配线。如果 k 等于 2,就会为每个特征点点绘制两条最佳匹配直线。


四、具体使用ORB算法进行暴力匹配步骤:

  1. 首先,利用orb.detectAndCompute()函数找到特征点,计算描述符;
  2. 其次,创建暴力匹配对象,cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True);
  3. 然后,使用Matcher.match()获得两幅图像的最佳匹配;
  4. 接着,利用sorted()函数,将匹配结果按照特征点之间的距离降序排列,使得最佳匹配排在最前面;
  5. 最后,采用cv2.drawMatches()函数,在最佳匹配的点之间绘制直线。

具体代码如下所示:

# -*- coding: utf-8 -*-
import numpy as np
import cv2
from matplotlib import pyplot as plt

img1 = cv2.imread('shu1.jpg',0)
img2 = cv2.imread('shu2.jpg',0)

orb = cv2.ORB_create(1000)

kp1, des1 = orb.detectAndCompute(img1,None) #利用orb.detectAndCompute()函数找到特征点,计算描述符;
kp2, des2 = orb.detectAndCompute(img2,None)

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)#创建暴力匹配对象,cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True);

matches = bf.match(des1,des2) #使用Matcher.match()获得两幅图像的最佳匹配;

matches = sorted(matches, key = lambda x:x.distance)#将匹配结果按照特征点之间的距离降序排列,使得最佳匹配排在最前面;

img3=np.empty((300,300))

img3 = cv2.drawMatches(img1,kp1,img2,kp2,matches[:50], img3,flags=2) #采用cv2.drawMatches()函数,在最佳匹配的点之间绘制直线。

plt.imshow(img3),plt.show()

运行结果如下所示:

  • 1
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
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