OpenCV - 使用 SURF 描述符和 BruteForceMatcher 进行对象匹配

Posted 2023-02-16

【中文标题】OpenCV - 使用 SURF 描述符和 BruteForceMatcher 进行对象匹配

【英文标题】：OpenCV - Object matching using SURF descriptors and BruteForceMatcher

【发布时间】：2011-11-09 22:44:34

【问题描述】：

我有一个关于与 OpenCV 匹配的对象的问题。 我正在使用 opencv 2.3 中实现的 SURF 算法首先检测每个图像上的特征，然后提取这些特征的描述符。 使用Brute Force Matcher匹配的问题，我不知道我如何判断两个图像是否匹配，就像我使用两个不同的图像时，两个图像中的描述符之间有线条！

我的代码的这些输出，无论是两个图像 - 我与它们进行比较 - 相似或不同，结果图像表明这两个图像匹配。

问题是：如何区分两张图片？

真匹配：

错误匹配！！ ：

我的代码：

Mat image1, outImg1, image2, outImg2;

// vector of keypoints
vector<KeyPoint> keypoints1, keypoints2;

// Read input images
image1 = imread("C://Google-Logo.jpg",0);
image2 = imread("C://Alex_Eng.jpg",0);

SurfFeatureDetector surf(2500);
surf.detect(image1, keypoints1);
surf.detect(image2, keypoints2);
drawKeypoints(image1, keypoints1, outImg1, Scalar(255,255,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
drawKeypoints(image2, keypoints2, outImg2, Scalar(255,255,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

namedWindow("SURF detector img1");
imshow("SURF detector img1", outImg1);

namedWindow("SURF detector img2");
imshow("SURF detector img2", outImg2);

SurfDescriptorExtractor surfDesc;
Mat descriptors1, descriptors2;
surfDesc.compute(image1, keypoints1, descriptors1);
surfDesc.compute(image2, keypoints2, descriptors2);

BruteForceMatcher<L2<float>> matcher;
vector<DMatch> matches;
matcher.match(descriptors1,descriptors2, matches);

nth_element(matches.begin(), matches.begin()+24, matches.end());
matches.erase(matches.begin()+25, matches.end());

Mat imageMatches;
drawMatches(image1, keypoints1, image2, keypoints2, matches, imageMatches, Scalar(255,255,255));

namedWindow("Matched");
imshow("Matched", imageMatches);

cv::waitKey();
return 0;

【参考方案1】：

问题在于仅使用蛮力匹配器，我在 “OpenCV 2 计算机视觉应用程序编程手册”中找到了在两个视图之间获得一组良好匹配的方法

第 9 章：使用随机样本共识匹配图像

他们正在使用 K-Nearest Neighbor 和 RANSAC

谢谢

【讨论】：

这本书非常有用！

【参考方案2】：

对于去除异常值 RANSAC + 单应性是比较两个平面图像时的好方法。

单应性是 RANSAC 将尝试用来比较两个图像中的点的模型，它会找到更适合单应性的投影模型（从一个平面到另一个平面的转换）的最佳点集。

cv::findHomography(srcPoints,dstPoints, RANSAC, status);

上面的函数将返回一个数组状态，其中 1 表示被认为是异常值的索引，0 表示被认为是异常值的索引，因此您可以通过检查此状态数组来删除异常值。

【讨论】：

使用LMEDS（android 上的Calib3d.LMEDS）给我带来了更好的结果，我不知道为什么，在我的课程项目中，Matlab 中的 RANSAC 给出了非常好的结果。但毫无疑问，删除大纲是必须的！

【参考方案3】：

你需要修改你的Hessian，2500太多了。试试 50。当你使用大 Hessian 时，结果是很多关键点，导致一些不必要的。关于 SURF 的另一个信息是您的标记需要更丰富，更详细。