OpenCV4.5.1 | 使用一行代码将图像匹配性能提高14%

OpenCV发行版4.5.1包含了BEBLID，这是一个新的本地特性描述符。

opencv4.5.1中最令人兴奋的特性之一是BEBLID（Boosted effective Binary Local Image Descriptor），它是一种新的描述符，能够在减少执行时间的同时提高图像匹配精度！本文将向你展示一个具体的例子，所有源代码都存储在此GitHub存储库中：

• https://github.com/iago-suarez/beblid-opencv-demo/blob/main/demo.ipynb

在这个例子中，我们将通过一个视角的改变来匹配这两个图像:

首先，确保安装了正确版本的OpenCV。

在你喜爱的环境中，你可以使用以下工具安装和检查OpenCV Contrib版本：

pip install "opencv-contrib-python>=4.5.1"
python
>>> import cv2 as cv
>>> print(f"OpenCV Version: {cv.__version__}")
OpenCV Version: 4.5.1

在Python中加载这两个图像所需的代码是：

import cv2 as cv

# Load grayscale images
img1 = cv.imread("graf1.png", cv.IMREAD_GRAYSCALE)
img2 = cv.imread("graf3.png", cv.IMREAD_GRAYSCALE)

if img1 is None or img2 is None:
    print('Could not open or find the images!')
    exit(0)

为了评估我们的图像匹配程序，我们需要在两幅图像之间进行正确的几何变换。

这是一个称为单应性的3x3矩阵，当我们将第一个图像中的一个点（在齐次坐标中）相乘时，它将返回第二个图像中该点的坐标。让我们加载它：

# Load homography (geometric transformation betw