OpenCV图像特征匹配

文章目录

Brute-Force暴力匹配
随机抽样一致算法

Brute-Force暴力匹配

我们准备两张图像，我们想知道图像中有哪些关键点是比较类似的。需要对两张图像的特征点进行匹配。暴力匹配就是对两张图像的特征向量进行比对，最接近的也就是最相似的。我们可以通过欧式距离来实现向量相似的比对，默认使用归一化的欧氏距离。
这里依旧使用之前所讲的sift算法，代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#读取图像
img1 = cv2.imread('box.png', 0)
img2 = cv2.imread('box_in_scene.png', 0)
#使用sift算法，计算特征向量与特征点
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)
# crossCheck表示两个特征点要互相匹，例如A中的第i个特征点与B中的第j个特征点最近的，并且B中的第j个特征点到A中的第i个特征点也是
#NORM_L2: 归一化数组的(欧几里德距离)，如果其他特征计算方法需要考虑不同的匹配计算方式
bf = cv2.BFMatcher(crossCheck=True)

一对一匹配

matches = bf.match(des1, des2)
#对点的距离的排序
matches = sorted(matches, key=lambda x: x.distance)
img3 = cv2.drawMatches(img1, kp1, img2, kp2, matches[:10], None,flags=2)
#图片展示
cv_show('img3',img3)

k对最佳匹配（1对多）

bf = cv2.BFMatcher()
#添加knn算法
matches = bf.knnMatch(des1, des2, k=2)
good = []
for m, n in matches:if m.distance < 0.75 * n.distance:good.append([m])
img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=2)
#图片展示
cv_show('img3',img3)

如果需要更快速完成操作，可以尝试使用cv2.FlannBasedMatcher。

随机抽样一致算法

随机抽样一致算法（Random sample consensus），也叫作RANSAC算法。在上节中使用KNN展示结果时会出现一些我们不需要的边界点。我们需要把这些局外点去掉。
通常来说使用的KNN最小二乘法，会受到一些局外点的干扰，导致最终结果没有那么好，这是我们会使用RANSAC算法，不会受到局外点的干扰，归一化之后的结果要比最小二乘法效果好。如下图所示：
选择初始样本点进行拟合，给定一个容忍范围，不断进行迭代
每一次拟合后，容差范围内都有对应的数据点数，找出数据点个数最多的情况，就是最终的拟合结果。
单应性矩阵
OpenCV中过滤掉误匹配对采用RANSAC算法寻找一个最佳单应性矩阵H。矩阵为3x3即可。RANSAC目的是找到最优的参数矩阵使得满足该矩阵的数据点个数最多，通常最后一个参数设置为h33=1来进行归一化操作，其余会有8个未知参数，我们需要构建8个线性方程来进行求解。对应到点位置信息上，1组点对可以列出2个方程，则至少需要4组匹配点对。

OpenCV图像特征匹配相关推荐

Python+OpenCV：特征匹配（Feature Matching）
Python+OpenCV:特征匹配(Feature Matching) Basics of Brute-Force Matcher Brute-Force matcher is simple. It ...
光流 | 图像特征匹配：特征光流与角点特征
/********************************************************** github:https://github.com/MichaelBeechan ...
OpenCV + CPP 系列（卌二）图像特征匹配（ KAZE/AKAZE）
文章目录一.KAZE简介二.代码演示特征检测效果对比演示匹配一.KAZE简介 ECCV2012中出现了一种比SIFT更稳定的特征检测算法KAZE ([1]).KAZE的取名是为了纪念尺度空间 ...
OpenCV + CPP 系列（卌一）图像特征匹配（ FLANN 匹配）
文章目录一.FLANN简介演示SURF--Flann 二.单应性矩阵一.FLANN简介 FLANN库全称是Fast Library for Approximate Nearest Neighbo ...
OpenCV—python 模板匹配与图像特征匹配
文章目录一.理论介绍与算法二.算法代码单目标匹配多目标匹配三多尺度模板匹配一.理论介绍与算法模板匹配是在一幅图像中寻找一个特定目标的方法之一,这种方法的原理非常简单,遍历图像中的每一个 ...
opencv4 图像特征匹配_概述 | 全景图像拼接技术全解析
点击上方蓝字关注我们微信公众号:OpenCV学堂关注获取更多计算机视觉与深度学习知识前言图像/视频拼接的主要目的是为了解决相机视野(FOV-Field Of View)限制,生成更宽的FOV图 ...
图像处理之图像特征匹配
在本章中, - 我们将看到如何将一个图像中的特征与其他图像进行匹配. - 我们将在OpenCV中使用Brute-Force匹配器和FLANN匹配器一.Brute-Force匹配器它使用第一组中一个 ...
opencv4 图像特征匹配_openCV - 图像特征匹配
目标本章节中我们将实现如何不同图像之间匹配特征. 将使用两种匹配器,openCV提供了Brute-Force 和 FLANN Brute-Force 匹配器的基本原理 Brute-Force匹配器 ...
Opencv图像特征点提取(
目录特征点分类 1 ORB ①特征点检测 ②计算特征描述 2 SIFT 1 SIFT特征检测的步骤 ①.在DOG尺度空间中获取极值点,即关键点. ②.特征点方向估计 ③生成特征描述 ④.代码实现 3 ...

OpenCV图像特征匹配

文章目录

Brute-Force暴力匹配

随机抽样一致算法

OpenCV图像特征匹配相关推荐

最新文章

热门文章