OpenCV + CPP 系列（四十）图像特征匹配（ BFMatcher 暴力匹配）

BFMatcher

OpenCV中KeyPoint Matching的方法有两种Matching方式 ：

• Brute-force matcher (cv::BFMatcher)
• Flann-based matcher (cv::FlannBasedMatcher)

Brute Force匹配是opencv二维特征点匹配常见的办法，BFMatcher总是尝试所有可能的匹配，从而使得它总能够找到最佳匹配，这也是Brute Force（暴力法）的原始含义。

实现原理

• 发现两幅图片分别提取出来N，M个特征向量
• 然后对N和M的特征向量进行匹配，找到最佳匹配
• 然后再画出匹配的特征显示出来

void match(

InputArray queryDescriptors, 　　特征描述子1(待查询)
InputArray trainDescriptors,　　　特征描述子2
CV_OUT std::vector& matches, 　 匹配的特征
InputArray mask= noArray() 　　　掩码
) const

---

void drawMatches(

InputArray img1, 　　　　　　　　源图像1
const std::vector& keypoints1,　　源图像1的特征描述子
InputArray img2, 　　　　　　　　源图像２
const std::vector& keypoints2,　　源图像1的特征描述子
const std::vector& matches1to2, 　特征1 与特征2 匹配的特征点[matches[i]] 　　　　　
InputOutputArray outImg,　　　　　　　　　输出图像
const Scalar& matchColor= Scalar::all(-1), 　　　　匹配点的颜色 (默认随机)
const Scalar& singlePointColor= Scalar::all(-1),　　单个点的颜色 (默认随机)
const std::vector& matchesMask= std::vector(), 　　掩码
DrawMatchesFlags flags= DrawMatchesFlags::DEFAULT 　　绘制模式
)

实现流程：

1. 以灰度图形式读入src1（待匹配图像）和src2。
2. 通过用SURF的特征检测，把我们对两张图片获取的KeyPoint放到各自对应的descriptor里面。
3. 根据上一步已经提取出的descriptor的两个Mat, 通过BFMatcher进行最佳匹配，存放到DMatch里面。
4. 定义输出图像matchImg, 然后通过drawMatches的方法，把两个图片中的特征点和匹配的结果画出Matches，并显示。

头文件 image_feature_all.h：声明类与公共函数

#pragma once
#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2/xfeatures2d.hpp>　　//新增引入库

using namespace cv;
using namespace std;


class ImageFeature {
public:
	void BFMatch_demo(Mat& image, Mat& image2);

};

主函数main.cpp调用该类的公共成员函数

#include "image_feature_all.h"



int main(int argc, char** argv) {
	const char* img_path = "D:\\Desktop\\match_dst.jpg";
	const char* img_path2 = "D:\\Desktop\\match_raw.jpg";
	Mat image = imread(img_path, IMREAD_GRAYSCALE);
	Mat image2 = imread(img_path2, IMREAD_GRAYSCALE);
	if (image.empty() || image2.empty()) {
		cout << "图像数据为空，读取文件失败！" << endl;
	}
	ImageFeature imgfeature;
	imgfeature.BFMatch_demo(image, image2);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

演示SURF–BFMatch

源文件 feature_extract.cpp：实现类与公共函数

void ImageFeature::BFMatch_demo(Mat& image, Mat& image2) {
	int minHessian = 400;
	Ptr<xfeatures2d::SURF> detector = xfeatures2d::SURF::create(minHessian);

	vector<KeyPoint> keypoints1, keypoints2;
	Mat descriptor1, descriptor2;
	detector->detectAndCompute(image, Mat(), keypoints1, descriptor1);
	detector->detectAndCompute(image2, Mat(), keypoints2, descriptor2);
	//cout << "keypoints1=" << keypoints1.size() << endl;
	//cout << "keypoints2=" << keypoints2.size() << endl;

	BFMatcher matcher(NORM_L2);
	vector<DMatch> matches;
	matcher.match(descriptor1, descriptor2, matches);

	Mat matchImg;
	drawMatches(image, keypoints1, image2, keypoints2, matches, matchImg);
	imshow("matchImg", matchImg);
}

查看keypoints1第0个元素的属性如下：

原图1

原图2

匹配图