图像匹配之brute-force算法-白红宇

图像匹配之brute-force算法

阅读量：4167 次

发布时间：2019-05-26

本文共 1929 字，大约阅读时间需要 6 分钟。

最近在做图像检索算法(visual search)研究。图像检索本质上还是图像匹配，因此特征提取，特征匹配等步骤都是图像检索算法的核心和难点。直到现在图像检索技术还是处于比较原始的阶段，这一点用google搜图或者百度搜图可以看到，搜索的返回效果不是很令人满意。特征提取的难点在于，针对不同的物体需要不同的特征进行描述。针对于同一种物体，同一种匹配算法，不同的特征可能带来很多的不一样。目前用的比较多的是SIFT特征，SIFT特征具有旋转不变性和尺度不变性等优点，是图像匹配的优先选择。因此这里我选择用SIFT特征进行实验。第二个难点是图像匹配，目前的算法主要还是借鉴于文本检索的词袋模型算法。

图像匹配本质上是特征匹配。因为我们总可以将图像表示成多个特征向量的组成，因此如果两幅图片具有相同的特征向量越多，则可以认为两幅图片的相似程度越高。而特征向量的相似程度通常是用它们之间的欧氏距离来衡量，欧式距离越小，则可以认为越相似。

匹配主要是用opencv对图像进行暴力匹配。依次找出两幅图像中相似度最高的两个特征向量，并将他们连线。用的是opencv内置算法，opencv用的是sift特征和FLANN算法进行最近距离计算。先贴代码，再看实验结果

#include 
    
     #include 
     
      #include
      
       #include 
       
         using namespace cv;using namespace std;int main(int argc, const char* argv[]){	//read image into mem	IplImage *img1 = cvLoadImage("input3.jpg");	IplImage *img2 = cvLoadImage("input_compiler.jpg");	const Mat input = Mat(img1,false); 	const Mat input2 = Mat(img2,false);	//    SiftFeatureDetector detector;    vector
        
          keypoints1,keypoints2;	detector.detect(input2,keypoints2);    detector.detect(input, keypoints1);	SiftDescriptorExtractor extractor;	Mat descriptor1,descriptor2;	extractor.compute(input,keypoints1,descriptor1);	extractor.compute(input2,keypoints2,descriptor2);	BruteForceMatcher
         
          
           >matcher; vector
           
            matches; matcher.match(descriptor1,descriptor2,matches); double max_dist=0,min_dist = 100; for(int i=0;i < descriptor1.rows;++i) { double dist = matches[i].distance; if(dist < min_dist)min_dist = dist; if(dist > max_dist)max_dist = dist; } cout<
            
             <
             
               goodMatch; for(int i=0;i < descriptor1.rows;++i) { if(matches[i].distance <= 150)goodMatch.push_back(matches[i]); } Mat img_matches; drawMatches(input,keypoints1,input2,keypoints2,goodMatch,img_matches); imshow("sift_matches.jpg",img_matches); waitKey(0); // Add results to image and save. Mat output; drawKeypoints(input, keypoints1, output); imwrite("output1.jpg", output); return 0;}

分别用几张图片进行实验，结果如下：

转载地址：http://diqxi.baihongyu.com/

你可能感兴趣的文章