OpenCV3.0 图像匹配问题

SssQqq_ 2015-07-23 11:51:21

初学OpenCV,用的是3.0版本，在学习图像特征点匹配时发现：

1.原来版本中获取特征点使用的是：
#include <opencv2/nonfree/nonfree.hpp>
int minHessian = 4;
SurfFeatureDetector detector( minHessian );
vector<KeyPoint> keyPoint1;
detector.detect( srcImage1, keyPoint1 );
但3.0中并没有这个头文件，所有没法使用SurfFeatureDetector 类
更改使用：
int minHessian = 40;
vector<KeyPoint> keypoints;
Ptr<FeatureDetector> dector = FastFeatureDetector::create(minHessian);
dector->detect(g_srcImage,keypoints);
这样貌似是可以的，但貌似算子不能超过40
但是在计算特征向量跟向量匹配的时候，原来版本给出的方法是：
#include <opencv2/features2d/features2d.hpp" >
#include<opencv2/legacy/legacy.hpp>

SurfDescriptorExtractor extractor;
Mat descriptors1, descriptors2;
extractor.compute( srcImage1, keyPoint1, descriptors1 );
BruteForceMatcher< L2<float> > matcher;
vector< DMatch > matches;
matcher.match( descriptors1, descriptors2, matches );
同样的，SDK中没有头文件legacy.hpp也没有提供相应的lib库链接，SurfDescriptorExtractor 跟BruteForceMatcher都无法调用

仿照特征点的方法做了如下更改：
Mat descriptor1,descriptor2;
DescriptorExtractor ectrcator;
ectrcator.compute(g_srcImage,keypoints_jugg1,descriptor1);
ectrcator.compute(g_dstImage,keypoints_jugg2,descriptor2);
BFMatcher matcher(NORM_L2);
vector<DMatch> matches;
matcher.match(descriptor1, descriptor2,matches);
但是运行报错，提示The function/feature is not implement() int cv::Feature2D::detectAndCompure

所有请教下3.0版本下如何正确进行图像特征点匹配操作？

...全文

4046 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

ryh19930923 2016-05-09

打赏
举报

回复

楼主解决了么？同样的问题，求告知

取个昵称全重名 2016-03-21

打赏
举报

回复

2楼正解，需要额外包

bcg448251593 2015-12-15

打赏
举报

回复

楼主可解决了啊?

a530877647 2015-11-17

打赏
举报

回复

http://segmentfault.com/a/1190000003496009 按照这个教程配一下opencv_contrib

赵4老师 2015-07-23

打赏
举报

回复

建议楼主先编译链接调试OpenCV 3.0自带的相关例子代码。

运行：python pano.py ` 设置环境¶ 请注意，您的系统设置为 Python 2.7 （代码实现在 python2.7 中，如果您有其他版本，请相应修改代码）和 OpenCV 3.0 。我们将使用 OpenCV 的辅助实用程序来读取图像、写入图像和颜色空间转换。获得图像后，全景图的整个计算将使用自制函数完成。这篇博客文章分为三个主要部分。 *输入、读取和处理图像：文本文件中的图像路径。每个文本文件包含每个图像的路径列表。确保路径的方向顺序为从左到右。 *计算图像彼此的相对方向：成对 *拼接/混合和匹配模块：本质上一次连接两个图像 __ 步骤1：特征提取__： __ 步骤 2：匹配图像之间的对应关系 __：第 3 步：计算单应性 __ 步骤 4：变形和缝合 __：

RobHess的SIFT-RANSAC算法源码图像特征点匹配，综合各大程序自己修改的！支持平台opencv1.0以上，3.0一下的! 本人使用的是opencv2.43+VS2013！！

使用OpenCV实现图像分类的介绍，全部代码仅仅20余行，简单易懂。课程详细介绍了在OpenCV内使用DNN模块实现图像识别的具体方法和思路。

使用VS2013和OpenCV3.0，对左右两幅相机得到的棋盘格标定图像进行立体标定和立体校正，为立体匹配和三维重建打下基础；使用VS2013和OpenCV3.0，对左右两幅相机得到的棋盘格标定图像进行立体标定和立体校正，为立体匹配和三维重建打下基础

OpenCV小项目这是一个个人在使用OpenCV过程中写的一些小项目，以及一些非常有用的OpenCV代码，有些代码是对某论文中的部分实现。注意:代码是在Xcode里写的，如果要在win下测试，遇到问题自己修改。 opencv-rootsift-py 用python和OpenCV写的一个rootsift实现，其中RootSIFT部分的代码参照Implementing RootSIFT in Python and OpenCV这篇文章所写，通过这个你可以了解Three things everyone should know to improve object retrieval这篇文章中RootSIFT是怎么实现的。 sift(asift)-match-with-ransac-cpp 用C++和OpenCV写的一个图像匹配实现，里面包含了采用1NN匹配可视化、1NN匹配后经RANSAC剔除错配点可视化、1NN/2NN<0.8匹配可视化、1NN/2NN<0.8经 RANSAC剔除错配点可视化四个过程，其中1NN/2NN<0.8匹配过程是Lowe的Raw feature match，具体可以阅读Lowe的Distinctive image features from scale-invariant keypoints这篇文章。这个对图像检索重排非常有用。另外里面还有用OpenCV写的ASIFT，这部分来源于OPENCV ASIFT C++ IMPLEMENTATION，ASIFT还可以到官网页面下载，ASIFT提取的关键点比SIFT要多得多，速度非常慢，不推荐在对要求实时性的应用中使用。更多详细的分析可以阅读博文SIFT(ASIFT) Matching with RANSAC。有用链接 OpenCV3.0文档 // 测试sparse unsigned int centersNum = 10; vector descrNums; descrNums.push_back(8); descrNums.push_back(12); //unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5; 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5, 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; sp_mat Hist(descrNums.size(), centersNum); static long int count = 0; for (int i = 0; i < descrNums.size(); i++){ unsigned int* desrcElementsTmp = new unsigned int[descrNums[i]]; memcpy(desrcElementsTmp, T + count, descrNums[i] * sizeof(T[0])); //cout << desrcElementsTmp[0] << '\t' << desrcElementsTmp[1] << '\t' << desrcElementsTmp[2] << '\t' << desrcElementsTmp[3] << '\t' << desrcElementsTmp[4] << '\t' <

64,634

社区成员

250,963

社区内容

发帖

与我相关

我的任务

c++ 技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

请不要发布与C++技术无关的贴子
请不要发布与技术无关的招聘、广告的帖子
请尽可能的描述清楚你的问题，如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧

+ 用AI写文章