首页 > 代码库 > 【图片匹配】--- SIFT_Opencv3.1.0_C++_ubuntu

【图片匹配】--- SIFT_Opencv3.1.0_C++_ubuntu

  最近在捣鼓图片相似性匹配算法。这里先说一点必要的题外话:

如果是在同一个object不同角度拍摄的多张图片中,使用SIFT可以有不错的效果;

如果是寻找类别相同的图片(可能不是同一object),SIFT是无效的。

前言:

  1 需要安装好opencv3.1.0 + opencv_contrib(放到 opencv主文件夹的module文件夹中)。

  2 可以使用IDE 比如:Codeblocks  or  Eclipse etc 配置好opencv开发所需要的 头文件 + lib so 库文件。

  但是我这里是直接手写的 g++ 编译命令,这样省事儿,可以方便展示。这里不得不吐槽一下,网上一大堆 搓逼教程,乱配置一气,有用的没用的全抄上,而且3.1.0中的imshow等基础的函数都已经换了头文件了。并不在highgui中了。所以我就自己手写了 编译命令,用什么加什么。

代码如下:

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/opencv.hpp>  //头文件
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace cv;  //包含cv命名空间
using namespace std;

int main()
{
    //Create SIFT class pointer
    Ptr<Feature2D> f2d = xfeatures2d::SIFT::create();
    //读入图片
    Mat img_1 = imread("kebe1.jpg");
    Mat img_2 = imread("kebe2.jpg");
    //Detect the keypoints
    vector<KeyPoint> keypoints_1, keypoints_2;
    f2d->detect(img_1, keypoints_1);
    f2d->detect(img_2, keypoints_2);
    //Calculate descriptors (feature vectors)
    Mat descriptors_1, descriptors_2;
    f2d->compute(img_1, keypoints_1, descriptors_1);
    f2d->compute(img_2, keypoints_2, descriptors_2);
    //Matching descriptor vector using BFMatcher
    BFMatcher matcher;
    vector<DMatch> matches;
    matcher.match(descriptors_1, descriptors_2, matches);
    //绘制匹配出的关键点lopencv_core
    Mat img_matches;
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, matches, img_matches);
    imshow("【match图】", img_matches);
    //等待任意按键按下
    waitKey(0);
}
//g++ sift_match.cpp -o output -L/usr/local/lib -lopencv_imgcodecs  -lopencv_highgui -lopencv_xfeatures2d -lopencv_features2d -lopencv_core -I/usr/local/include

  文件夹下有两张图片,使用最下面注释的 编译命令直接运行

./output 即可。

技术分享

  发现这也不咋准啊! 当然我使用的不是同一张皂片的不同角度,只是觉得差不多。

  下一步,打算校准 + 具体实现使用SIFT来衡量图片的相似度。

  

【图片匹配】--- SIFT_Opencv3.1.0_C++_ubuntu