OpenCV中特征点提取和匹配的通用方法

OpenCV在新版本中把很多C语言的代码都重新整理成了C++代码，让我们在使用的时候更加方便灵活。其中对于特征点的提取和匹配，充分体现了C++的强大。下面直接用例子来说明。假设我们有两幅图：1.bmp和2.bmp，要从中提取体征点并匹配，代码如下：

  

   

    

     

    
    

     

      // Load image from file
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      IplImage *pLeftImage = cvLoadImage("1.bmp", CV_LOAD_IMAGE_GRAYSCALE); 
     
    
   

    

     

    
    

     

      IplImage *pRightImage = cvLoadImage("2.bmp", CV_LOAD_IMAGE_GRAYSCALE);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // Convert IplImage to cv::Mat
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      Mat matLeftImage = Mat(pLeftImage, false); // Do not copy 
     
    
   

    

     

    
    

     

      Mat matRightImage = Mat(pRightImage, false);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // Key point and its descriptor
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      vector<KeyPoint> LeftKey; 
     
    
   

    

     

    
    

     

      vector<KeyPoint> RightKey;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      Mat LeftDescriptor; 
     
    
   

    

     

    
    

     

      Mat RightDescriptor;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      vector<DMatch> Matches;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // Detect key points from image
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      FeatureDetector *pDetector = new SurfFeatureDetector; // 这里我们用了SURF特征点 
     
    
   

    

     

    
    

     

      pDetector->detect(matLeftImage, LeftKey); 
     
    
   

    

     

    
    

     

      pDetector->detect(matRightImage, RightKey);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      delete pDetector;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // Extract descriptors
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      DescriptorExtractor *pExtractor = new SurfDescriptorExtractor; // 提取SURF描述向量 
     
    
   

    

     

    
    

     

      pExtractor->compute(matLeftImage, LeftKey, LeftDescriptor); 
     
    
   

    

     

    
    

     

      pExtractor->compute(matRightImage, RightKey, RightDescriptor);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      delete pExtractor;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // Matching features
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      DescriptorMatcher *pMatcher = new FlannBasedMatcher; // 使用Flann匹配算法 
     
    
   

    

     

    
    

     

      pMatcher->match(LeftDescriptor, RightDescriptor, Matches);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      delete pMatcher;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // Show result
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      Mat OutImage; 
     
    
   

    

     

    
    

     

      drawMatches(matLeftImage, LeftKey, matRightImage, RightKey, Matches, OutImage); 
     
    
   

    

     

    
    

     

      cvNamedWindow( "Match features", 1); 
     
    
   

    

     

    
    

     

      cvShowImage("Match features", &(IplImage(OutImage))); 
     
    
   

    

     

    
    

     

      cvWaitKey( 0 ); 
     
    
   

    

     

    
    

     

      cvDestroyWindow( "Match features" );
     
    
  
 

从上面的代码可以看见，用OpenCV来做特征提取匹配相当简便，出去读图和显示结果的代码，真正核心的部分只有3段代码，分别是检测关键点，提取描述向量和特征匹配，一共只有11行代码。

    在我的示例代码中，使用的是SURF特征，而在OpenCV中，实现了很多种特征，如SIFT，FAST等，这些特征的实现各不相同，但是都是从一个公共抽象基类派生出来的，因此可以用多态方便地切换特征提取算法。下面我将详细地说明。

1 FeatureDetector

    FeatureDetector是关键点检测类的抽象基类，其已经实现的具体类有：

    class FastFeatureDetector

    class GoodFeaturesToTrackDetector

    class MserFeatureDetector

    class StarFeatureDetector

    class SiftFeatureDetector

    class SurfFeatureDetector

要使用某一种检测器，可以直接调用FeatureDetector的工厂来创建，该工厂是一个静态方法，如下：

  

   

    

     

    
    

     

      // Create feature detector by detector name. 
     
    
   

    

     

    
    

     

      static Ptr<FeatureDetector> create( const string& detectorType );
     
    
  
 

也可以像我的示例代码中那样显式的创建，如下：

FeatureDetector *pDetector = new SurfFeatureDetector;
 

可以用swich实现在多种方法中切换。

2 DescriptorExtractor

    DescriptorExtractor是提取关键点的描述向量类抽象基类，其具体类有：

    class SiftDescriptorExtractor

    class SurfDescriptorExtractor

    class CalonderDescriptorExtractor

    class BriefDescriptorExtractor

    class OpponentColorDescriptorExtractor

要使用某一种描述向量，可以调用DescriptorExtractor的工厂来创建，静态方法如下：

static Ptr<DescriptorExtractor> create( const string& descriptorExtractorType );
 

也可以像我的示例代码中那样显式的创建，如下：

DescriptorExtractor *pExtractor = new SurfDescriptorExtractor
 

可以用swich实现在多种方法中切换。

3 DescriptorMatcher

    DescriptorMatcher是匹配器的抽象基类，其具体类有：

    class BruteForceMatcher

    class FlannBasedMatcher

匹配器可以由静态工厂方法直接创建，如下：

static Ptr<DescriptorMatcher> create( const string& descriptorMatcherType );
 

也可以像我的示例代码中那样显式的创建，如下：

DescriptorMatcher *pMatcher = new FlannBasedMatcher;
 

可以用switch实现在多种方法中切换。

    多态的使用，可以让我们对不同的特征采用相同的代码来编程，这是OpenCV设计的一种策略模式，大大地简化了代码量，并增加了灵活性，让我们可以在多种特征提取和匹配方法之间自由切换。

文章来源: panda1234lee.blog.csdn.net，作者：panda1234lee，版权归原作者所有，如需转载，请联系作者。

原文链接：panda1234lee.blog.csdn.net/article/details/8925616