ORB算法实现匹配

//--------------------------------------【程序说明】------------------------------------------- // 程序说明：《OpenCV3编程入门》OpenCV2版书本配套示例程序95 // 程序描述：ORB的关键点和描述符的提取，使用FLANN-LSH进行匹配 // 开发测试所用操作系统： Windows 7 64bit // 开发测试所用IDE版本：Visual Studio 2010 // 开发测试所用OpenCV版本： 2.4.9 // 2014年06月 Created by @浅墨_毛星云 // 2014年11月 Revised by @浅墨_毛星云 //------------------------------------------------------------------------------------------------ //---------------------------------【头文件、命名空间包含部分】---------------------------- // 描述：包含程序所使用的头文件和命名空间 //------------------------------------------------------------------------------------------------ #include <opencv2/opencv.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/nonfree/features2d.hpp> #include <opencv2/features2d/features2d.hpp> using namespace cv; using namespace std; //-----------------------------------【ShowHelpText( )函数】---------------------------------- // 描述：输出一些帮助信息 //---------------------------------------------------------------------------------------------- static void ShowHelpText() { //输出欢迎信息和OpenCV版本 printf("\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书！\n"); printf("\n\n\t\t\t此为本书OpenCV2版的第72个配套示例程序\n"); printf("\n\n\t\t\t 当前使用的OpenCV版本为：" CV_VERSION ); printf("\n\n ----------------------------------------------------------------------------\n"); //输出一些帮助信息 printf("\n\t欢迎来到【ORB算法描述提取，配合FLANN-LSH进行匹配】示例程序\n"); printf( "\n\n\t按键操作说明: \n\n" "\t\t键盘按键【ESC】- 退出程序\n" ); } //--------------------------------------【main( )函数】----------------------------------------- // 描述：控制台应用程序的入口函数，我们的程序从这里开始执行 //----------------------------------------------------------------------------------------------- int main( ) { //【0】改变console字体颜色 system("color 2F"); //【0】显示帮助文字 ShowHelpText(); //【0】载入源图，显示并转化为灰度图 Mat srcImage = imread("1.jpg"); imshow("原始图",srcImage); Mat grayImage; cvtColor(srcImage, grayImage, CV_BGR2GRAY); //------------------检测SIFT特征点并在图像中提取物体的描述符---------------------- //【1】参数定义 OrbFeatureDetector featureDetector; vector<KeyPoint> keyPoints; Mat descriptors; //【2】调用detect函数检测出特征关键点，保存在vector容器中 featureDetector.detect(grayImage, keyPoints); //【3】计算描述符（特征向量） OrbDescriptorExtractor featureExtractor; featureExtractor.compute(grayImage, keyPoints, descriptors); //【4】基于FLANN的描述符对象匹配 flann::Index flannIndex(descriptors, flann::LshIndexParams(12, 20, 2), cvflann::FLANN_DIST_HAMMING); //【5】初始化视频采集对象 VideoCapture cap(0); unsigned int frameCount = 0;//帧数 //【6】轮询，直到按下ESC键退出循环 while(1) { double time0 = static_cast<double>(getTickCount( ));//记录起始时间 Mat captureImage, captureImage_gray;//定义两个Mat变量，用于视频采集 cap >> captureImage;//采集视频帧 if( captureImage.empty())//采集为空的处理 continue; //转化图像到灰度 cvtColor( captureImage, captureImage_gray, CV_BGR2GRAY);//采集的视频帧转化为灰度图 //【7】检测SIFT关键点并提取测试图像中的描述符 vector<KeyPoint> captureKeyPoints; Mat captureDescription; //【8】调用detect函数检测出特征关键点，保存在vector容器中 featureDetector.detect(captureImage_gray, captureKeyPoints); //【9】计算描述符 featureExtractor.compute(captureImage_gray, captureKeyPoints, captureDescription); //【10】匹配和测试描述符，获取两个最邻近的描述符 Mat matchIndex(captureDescription.rows, 2, CV_32SC1), matchDistance(captureDescription.rows, 2, CV_32FC1); flannIndex.knnSearch(captureDescription, matchIndex, matchDistance, 2, flann::SearchParams());//调用K邻近算法 //【11】根据劳氏算法（Lowe's algorithm）选出优秀的匹配 vector<DMatch> goodMatches; for(int i = 0; i < matchDistance.rows; i++) { if(matchDistance.at<float>(i, 0) < 0.6 * matchDistance.at<float>(i, 1)) { DMatch dmatches(i, matchIndex.at<int>(i, 0), matchDistance.at<float>(i, 0)); goodMatches.push_back(dmatches); } } //【12】绘制并显示匹配窗口 Mat resultImage; drawMatches( captureImage, captureKeyPoints, srcImage, keyPoints, goodMatches, resultImage); imshow("匹配窗口", resultImage); //【13】显示帧率 cout << ">帧率= " << getTickFrequency() / (getTickCount() - time0) << endl; //按下ESC键，则程序退出 if(char(waitKey(1)) == 27) break; } return 0; }