OpenCV匹配demo中使用基础矩阵F过滤误匹配的例子

最新推荐文章于 2021-12-18 17:31:27 发布

xp_zz

最新推荐文章于 2021-12-18 17:31:27 发布

阅读量490

点赞数 1

分类专栏： OpenCV学习

本文链接：https://blog.csdn.net/xp_zz/article/details/97394214

版权

本文介绍了如何在OpenCV的匹配示例中利用基础矩阵F来过滤误匹配。虽然可以使用H矩阵进行平面处理，但这里仅展示了如何使用F矩阵来划定匹配范围，未实现H矩阵的过滤功能。匹配过程中，minHessian参数用于筛选特征点，其值越高，特征点质量越好，但数量会减少。

摘要由CSDN通过智能技术生成

OpenCV中有很多例子，其中匹配的示例也有几个，但是没有找到利用几何对匹配结果进行过滤的示例，因此在其中的一个demo中添加了几行代码，使用基础矩阵对错误匹配进行删除，当然对于平面也可以采用H矩阵处理，这里只用H矩阵框出了范围，没有过滤实现。在sufr中minHessian是一个阈值，起到对特征点的一个过滤作用，minHessian值越高，得到的关键点越少，但是关键点也就跟好。完整代码如下：

#include <iostream>
#include "opencv2/core.hpp"
#ifdef HAVE_OPENCV_XFEATURES2D
#include "opencv2/calib3d.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/features2d.hpp"
#include "opencv2/xfeatures2d.hpp"


using namespace cv;
using namespace cv::xfeatures2d;
using std::cout;
using std::endl;


int main( int argc, char* argv[] )
{

	Mat img_object = imread("../data/box.png", IMREAD_GRAYSCALE);
	Mat img_scene = imread("../data/box_in_scene.png", IMREAD_GRAYSCALE);

    //-- Step 1: Detect the keypoints using SURF Detector, compute the descriptors