【opencv】教程代码 —features2D（8）AKAZE 特征点匹配和图像拼接

6984768f6e261b85fe9f8864dba8ffc9.png

graf1.png

a6f744ec5f12bf315c07be46170c0e6e.png

graf3.png

<?xml version="1.0"?>
<opencv_storage>
<H13 type_id="opencv-matrix"><rows>3</rows><cols>3</cols><dt>d</dt><data>7.6285898e-01  -2.9922929e-01   2.2567123e+023.3443473e-01   1.0143901e+00  -7.6999973e+013.4663091e-04  -1.4364524e-05   1.0000000e+00 </data></H13>
</opencv_storage>

H1to3p.xml

AKAZE_match.cpp 特征点匹配和图像拼接

172f40189ba94a156e6747c7c2afe9a8.png

6582d0545d042293fc0efda481f96439.png

此代码为功能强大的特征点匹配和图像拼接程序，主要使用OPENCV库的AKAZE算法。流程如下：

  1. 读取两张图片及齐次图矩阵。

  2. 利用AKAZE算法提取图像的特征点和描述子。

  3. 使用Brute-Force匹配器，对两组描述子执行近邻搜索，找出最佳匹配对。

  4. 进行比率测试来剔除不良匹配。

  5. 利用齐次图矩阵验证匹配点，筛选出内点。

    我们对之前通过比例测试找到的匹配点对进行进一步的同质性检查，通过计算变换后的点与原始匹配点之间的欧氏距离来评估匹配质量。如果点对对应的变换后的距离小于设定的内点阈值，这对点匹配就被认定为好的匹配，并分别添加到内点向量inliers1、inliers2和良好匹配向量good_matches中。最终，good_matches中包含了所有通过同质性检查的内点匹配对，可以用于后续绘制匹配结果或其他处理。

  6. 绘制和保存匹配点的结果图片。

  7. 打印关于匹配的统计信息，并显示结果。

整个代码实现的是对两张图片进行特征点匹配，并通过一定的筛选条件去除错误的匹配点，最后绘制出内点并计算内点比例。

#include <opencv2/features2d.hpp> // 引入OpenCV特征检测相关头文件
#include <opencv2/imgproc.hpp>    // 引入OpenCV图像处理相关头文件
#include <opencv2/highgui.hpp>    // 引入OpenCV高级GUI(图形用户界面)相关头文件
#include <iostream>               // 引入输入输出流头文件using namespace std; // 使用标准命名空间
using namespace cv;  // 使用OpenCV命名空间const float inlier_threshold = 2.5f; // 设置内点距离阈值，用于同质性检查识别内点
const float nn_match_ratio = 0.8f;   // 设置最近邻匹配比例int main(int argc, char* argv[])
{//! [load]// 解析命令行参数CommandLineParser parser(argc, argv,"{@img1 | graf1.png | input image 1}""{@img2 | graf3.png | input image 2}""{@homography | H1to3p.xml | homography matrix}");// 读取图片1，以灰度模式Mat img1 = imread( samples::findFile( parser.get<String>("@img1") ), IMREAD_GRAYSCALE);// 读取图片2，以灰度模式Mat img2 = imread( samples::findFile( parser.get<String>("@img2") ), IMREAD_GRAYSCALE);// 读取同质性矩阵Mat homography;FileStorage fs( samples::findFile( parser.get<String>("@homography") ), FileStorage::READ);fs.getFirstTopLevelNode() >> homography;//! [load]//! [AKAZE]// 初始化特征点向量和描述符矩阵vector<KeyPoint> kpts1, kpts2;Mat desc1, desc2;// 创建AKAZE特征检测器Ptr<AKAZE> akaze = AKAZE::create();// 对img1进行特征检测和描述符计算akaze->detectAndCompute(img1, noArray(), kpts1, desc1);// 对img2进行特征检测和描述符计算akaze->detectAndCompute(img2, noArray(), kpts2, desc2);//! [AKAZE]//! [2-nn matching]// 创建BFMatcher，用于特征匹配BFMatcher matcher(NORM_HAMMING);vector< vector<DMatch> > nn_matches;// 执行2近邻匹配matcher.knnMatch(desc1, desc2, nn_matches, 2);//! [2-nn matching]//! [ratio test filtering]// 初始化过滤后的匹配特征点向量vector<KeyPoint> matched1, matched2;// 过滤不符合比例测试的匹配for(size_t i = 0; i < nn_matches.size(); i++) {DMatch first = nn_matches[i][0];float dist1 = nn_matches[i][0].distance;float dist2 = nn_matches[i][1].distance;// 如果第一个距离小于第二个距离乘以设定的比例，则认为是好的匹配if(dist1 < nn_match_ratio * dist2) {matched1.push_back(kpts1[first.queryIdx]);matched2.push_back(kpts2[first.trainIdx]);}}//! [ratio test filtering]//! [homography check]vector<DMatch> good_matches; // 初始化一个DMatch向量，用于存储良好匹配对vector<KeyPoint> inliers1, inliers2; // 初始化两个KeyPoint向量，用于存储一致性检查后的内点匹配// 遍历所有已匹配的特征点对for(size_t i = 0; i < matched1.size(); i++) {Mat col = Mat::ones(3, 1, CV_64F); // 创建一个三行一列的矩阵，初始化为1，用于齐次坐标表示col.at<double>(0) = matched1[i].pt.x; // 设置矩阵的第一个元素为当前匹配对的第一个点的x坐标col.at<double>(1) = matched1[i].pt.y; // 设置矩阵的第二个元素为当前匹配对的第一个点的y坐标col = homography * col; // 通过同质性矩阵变换第一个点的坐标col /= col.at<double>(2); // 使变换后的坐标成为非齐次坐标// 计算两个匹配点之间的欧氏距离double dist = sqrt( pow(col.at<double>(0) - matched2[i].pt.x, 2) +pow(col.at<double>(1) - matched2[i].pt.y, 2));// 如果距离小于内点阈值，则认为这个匹配是好的内点匹配if(dist < inlier_threshold) {int new_i = static_cast<int>(inliers1.size()); // 计算当前内点的索引inliers1.push_back(matched1[i]); // 将第一个点添加到内点集中inliers2.push_back(matched2[i]); // 将第二个点添加到内点集中good_matches.push_back(DMatch(new_i, new_i, 0)); // 将这对内点添加到良好匹配向量中}}//! [homography check]//! [draw final matches]// 初始化结果图像Mat res;// 绘制好的匹配点对drawMatches(img1, inliers1, img2, inliers2, good_matches, res);// 保存结果图像imwrite("akaze_result.png", res);// 计算内点比率double inlier_ratio = inliers1.size() / (double) matched1.size();// 输出统计结果cout << "A-KAZE Matching Results" << endl;cout << "*******************************" << endl;cout << "# Keypoints 1:                        \t" << kpts1.size() << endl;cout << "# Keypoints 2:                        \t" << kpts2.size() << endl;cout << "# Matches:                            \t" << matched1.size() << endl;cout << "# Inliers:                            \t" << inliers1.size() << endl;cout << "# Inliers Ratio:                      \t" << inlier_ratio << endl;cout << endl;// 显示结果图像imshow("result", res);// 等待用户响应waitKey();//! [draw final matches]return 0;
}

终端输出：

A-KAZE Matching Results
*******************************
# Keypoints 1:                          2418
# Keypoints 2:                          2884
# Matches:                              382
# Inliers:                              267
# Inliers Ratio:                        0.698953

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/786275.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

matlab碰撞检测

matlab碰撞检测

文章目录 碰撞对象collisionCylindercollisionBoxcollisionMeshcollisionSpherecollisionCapsulecheckCollisionfitCollisionCapsuleshowCollisionArraycapsuleApproximationaddCapsuleremoveCapsuleconvertToCollisionMesh碰撞对象 函数功能checkCollision检测两几何体是否存在…
阅读更多...
【WPF应用26】C#中的CheckBox控件详解与应用示例

【WPF应用26】C#中的CheckBox控件详解与应用示例

在WPF&#xff08;Windows Presentation Foundation&#xff09;应用中&#xff0c;C#中的CheckBox控件是一种常用的用户界面元素&#xff0c;允许用户从多个选项中选择一个或多个选项。本文将详细介绍CheckBox控件的功能、使用方法以及在应用程序中的具体应用示例。 1. Check…
阅读更多...
前端之CSS——网页的皮肤！！

前端之CSS——网页的皮肤！！

目录 一、CSS简单介绍 二、css内容 2.1 css的编写方式 2.2 css选择器 2.3 样式属性 2.4 css包围盒 2.5 css中的display 2.6 css中的定位 2.7 css中的浮动与清除 2.7 弹性容器 2.8 字体图标 2.9 …
阅读更多...
Databricks声称DBRX为开源大型语言模型设定了“一个新标准”

Databricks声称DBRX为开源大型语言模型设定了“一个新标准”

Databricks宣布推出DBRX&#xff0c;这是一款强大的新开源大型语言模型&#xff0c;据称它通过在行业基准测试中超越了像GPT-3.5这样的既定选项&#xff0c;为开放模型设定了新的标准。 该公司表示&#xff0c;具有1320亿参数的DBRX模型在语言理解、编程和数学任务上超越了流行…
阅读更多...
如何在 xcode 中使用 string catalogs

如何在 xcode 中使用 string catalogs

在iOS开发中&#xff0c;xcstrings和strings文件在本质上是相似的&#xff0c;但在Xcode 15中引入的Strings Catalogs中有一些重要区别。 xcstrings文件是Strings Catalogs的一部分&#xff0c;它们可以作为单个源文件包含应用程序的所有本地化字符串内容&#xff0c;包括常规…
阅读更多...
1.5编写一个程序，输入梯形的上底，下底和高，输出梯形的面积。

1.5编写一个程序，输入梯形的上底，下底和高，输出梯形的面积。

1、编写一个程序，输入梯形的上底，下底和高，输出梯形的面积。 package com.kangning.web.controller.system;import java.util.Scanner;/*** 编写一个程序，输入梯形的上底，下底和高，输出梯形的面积。*/ public class CountArea {public static void main(String[] args) …
阅读更多...
面向对象编程中的StringBuffer类详解

面向对象编程中的StringBuffer类详解

咦咦咦&#xff0c;各位小可爱&#xff0c;我是你们的好伙伴——bug菌&#xff0c;今天又来给大家普及Java SE相关知识点了&#xff0c;别躲起来啊&#xff0c;听我讲干货还不快点赞&#xff0c;赞多了我就有动力讲得更嗨啦&#xff01;所以呀&#xff0c;养成先点赞后阅读的好…
阅读更多...
【Linux 驱动基础】设备树驱动

【Linux 驱动基础】设备树驱动

# 前置知识 在图中&#xff0c;树的主干就是系统总线&#xff0c; IIC 控制器、 SPI 控制器等都是接到系统主线上的分支。其中 IIC1 上接了 AT24C02这个 IIC 设备&#xff0c; DTS 文件的主要功能就是按照图所示的结构来描述板子上的设备信息。 1. Device格式 DTS文件格式 …
阅读更多...
【论文阅读】ELA: Efficient Local Attention for Deep Convolutional Neural Networks

【论文阅读】ELA: Efficient Local Attention for Deep Convolutional Neural Networks

&#xff08;ELA&#xff09;Efficient Local Attention for Deep Convolutional Neural Networks 论文链接&#xff1a;ELA: Efficient Local Attention for Deep Convolutional Neural Networks (arxiv.org) 作者&#xff1a;Wei Xu, Yi Wan 单位&#xff1a;兰州大学信息…
阅读更多...
IDEA 打包jar

IDEA 打包jar

IDEA MAVEN项目打包成jar包的两种简单方式_idea maven打包jar-CSDN博客
阅读更多...
基于架构的软件开发方法_1.概述和相关概念及术语

基于架构的软件开发方法_1.概述和相关概念及术语

1.体系结构的设计方法概述 基于体系结构的软件设计&#xff08;Architecture-Based Software Design&#xff0c;ABSD&#xff09;方法。ABSD方法是由体系结构驱动的&#xff0c;即指由构成体系结构的商业、质量和功能需求的组合驱动的。 使用ABSD方法&#xff0c;设计活动可以…
阅读更多...
C++项目——集群聊天服务器项目(十一）服务器异常退出与添加好友业务

C++项目——集群聊天服务器项目(十一）服务器异常退出与添加好友业务

本节来实现C集群聊天服务器项目中的服务器异常退出与添加好友业务&#xff0c;一起来试试吧 一、服务器异常退出 在Linux环境下&#xff0c;我们在服务器端使用CTRLC结束程序执行&#xff0c;即使用CTRLC让服务器异常退出&#xff0c;这样的后果是本应登录服务器的用户在数据库…
阅读更多...
vsCode 刷 leetcode 使用 Cookie 登录

vsCode 刷 leetcode 使用 Cookie 登录

1. 安装插件 打开 vsCode&#xff0c;选择扩展&#xff0c;搜索 leetcode&#xff0c;选择第一个&#xff0c;带有中文力扣字样&#xff0c;安装后重启 2. 切换终端 插件安装成功之后&#xff0c;侧边栏选择 leetcode 菜单&#xff0c;切换终端&#xff0c;选择中文版本&…
阅读更多...
jvm 调优的方式

jvm 调优的方式

jvm调优 什么是jvm JVM&#xff08;Java虚拟机&#xff09;是Java编程语言的运行环境&#xff0c;它是一个虚拟的计算机&#xff0c;能够将Java字节码&#xff08;.class文件&#xff09;转换为机器码并执行。JVM是Java应用程序和Java平台之间的中间层&#xff0c;它提供了内…
阅读更多...
HarmonyOS 应用开发之XML生成、解析与转换

HarmonyOS 应用开发之XML生成、解析与转换

XML&#xff08;可扩展标记语言&#xff09;是一种用于描述数据的标记语言&#xff0c;旨在提供一种通用的方式来传输和存储数据&#xff0c;特别是Web应用程序中经常使用的数据。XML并不预定义标记。因此&#xff0c;XML更加灵活&#xff0c;并且可以适用于广泛的应用领域。 …
阅读更多...
APP自动化测试-Appium元素定位之元素等待

APP自动化测试-Appium元素定位之元素等待

一、什么是元素等待 元素等待的意义 在 Appium 自动化测试中，元素等待是一个重要的环节。当脚本执行速度较快，而页面元素尚未加载完成时，就会导致脚本无法定位到元素，从而使执行失败。因此需要设置元素等待，从而增强脚本的健壮性，提高执行效率。元素等待的主要目的是确保…
阅读更多...
mybatis和mysql简单的操作

mybatis和mysql简单的操作

1.查询&#xff08;Select&#xff09;&#xff1a; MyBatis: 注解 Select("SELECT * FROM users WHERE id #{id}") User selectUserById(int id);MyBatis: xml <!-- 定义查询语句 --> <select id"selectById" resultType"User">S…
阅读更多...
海康摄像头插件嵌入iframe时视频播放插件位置问题

海康摄像头插件嵌入iframe时视频播放插件位置问题

参考&#xff1a;https://juejin.cn/post/6857670423971758094 原因&#xff1a;没有按照iframe相对位置计算视频插件位置。 解决&#xff1a; $(window).on(resize, resize);function resize(){// 解决iframe中嵌入海康插件初始化问题:// 1. 获取iframe相比于窗口的偏移量;c…
阅读更多...
windows or ubuntu mount 文件

windows or ubuntu mount 文件

windows 实测环境:windows 11, 64 bit. ref: Mount-DiskImage (Storage) | Microsoft Learn Dismount-DiskImage (Storage) | Microsoft Learn Get-DiskImage (Storage) | Microsoft Learn # 查询 Get-DiskImage -ImagePath "f:\wsl\ext4.vhdx"# mount Mount-…
阅读更多...
Flutter仿Boss-2.启动页、引导页

Flutter仿Boss-2.启动页、引导页

简述 在移动应用开发中&#xff0c;启动页和引导页是用户初次接触应用时的重要组成部分&#xff0c;能够提升用户体验和导航用户了解应用功能。本文将介绍如何使用Flutter实现启动页和引导页&#xff0c;并展示相关代码实现。 启动页 启动页是应用的第一个页面&#xff0c;首…
阅读更多...
最新文章

Copyright @ 2022~2023