C++ OpenCV-使用SURF描述符和BruteForceMatcher进行对象匹配

我有一个关于与OpenCV匹配的对象的问题。 我使用opencv 2.3中实现的SURF算法首先检测每个图像上的特征，然后提取这些特征的描述符。 使用蛮力匹配器进行匹配的问题在于，我不知道如何判断两个图像是否匹配，这就好比我使用两个不同的图像时，两个图像中的描述符之间有一条线

我的代码的这些输出，或者两个图像（我与它们比较）相似或者不同，结果图像表明两个图像是匹配的

问题是：如何区分这两幅图像？

真实匹配：

错误匹配！！：

我的代码：

Mat image1, outImg1, image2, outImg2;

// vector of keypoints
vector<KeyPoint> keypoints1, keypoints2;

// Read input images
image1 = imread("C://Google-Logo.jpg",0);
image2 = imread("C://Alex_Eng.jpg",0);

SurfFeatureDetector surf(2500);
surf.detect(image1, keypoints1);
surf.detect(image2, keypoints2);
drawKeypoints(image1, keypoints1, outImg1, Scalar(255,255,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
drawKeypoints(image2, keypoints2, outImg2, Scalar(255,255,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

namedWindow("SURF detector img1");
imshow("SURF detector img1", outImg1);

namedWindow("SURF detector img2");
imshow("SURF detector img2", outImg2);

SurfDescriptorExtractor surfDesc;
Mat descriptors1, descriptors2;
surfDesc.compute(image1, keypoints1, descriptors1);
surfDesc.compute(image2, keypoints2, descriptors2);

BruteForceMatcher<L2<float>> matcher;
vector<DMatch> matches;
matcher.match(descriptors1,descriptors2, matches);

nth_element(matches.begin(), matches.begin()+24, matches.end());
matches.erase(matches.begin()+25, matches.end());

Mat imageMatches;
drawMatches(image1, keypoints1, image2, keypoints2, matches, imageMatches, Scalar(255,255,255));

namedWindow("Matched");
imshow("Matched", imageMatches);

cv::waitKey();
return 0;

Mat image1，outImg1，image2，outImg2；
//关键点向量
向量关键点1，关键点2；
//读取输入图像
image1=imread（“C://googlelogo.jpg”，0）；
image2=imread（“C://Alex_Eng.jpg”，0）；
表面特征探测器表面粗糙度（2500）；
冲浪检测（图像1，关键点1）；
冲浪检测（图像2，关键点2）；
drawKeypoints（图像1、keypoints1、outImg1、标量（255255）、DrawMatchesFlags:：DRAW_RICH_KEYPOINTS）；
drawKeypoints（图像2、keypoints2、outImg2、标量（255255255）、DrawMatchesFlags:：DRAW_RICH_KEYPOINTS）；
namedWindow（“海浪探测器img1”）；
imshow（“海浪探测器img1”，outImg1）；
namedWindow（“冲浪探测器img2”）；
imshow（“海浪探测器img2”，outImg2）；
SURFdescriptor surfDesc；
Mat描述符1，描述符2；
surfDesc.compute（图像1，关键点1，描述符1）；
surfDesc.compute（图像2，关键点2，描述符2）；
蛮力匹配器；
向量匹配；
匹配（描述符1，描述符2，匹配）；
第n个元素（matches.begin（），matches.begin（）+24，matches.end（））；
matches.erase（matches.begin（）+25，matches.end（））；
Mat图像匹配；
drawMatches（图像1，关键点1，图像2，关键点2，匹配，图像匹配，标量（255255））；
姓名（以下简称“匹配”）；
imshow（“匹配”，imageMatches）；
cv:：waitKey（）；
返回0；

问题在于仅使用蛮力匹配器，我在“OpenCV 2计算机视觉应用程序编程手册”中找到了在两个视图之间获得一组良好匹配的方法

Ch9：使用随机样本一致性匹配图像

他们使用K-最近邻和RANSAC

---

感谢

去除异常值RANSAC+单应性是比较两幅平面图像时的一种好方法

单应性是RANSAC尝试使用的模型，用于比较两幅图像中的点，它将找到更适合单应性投影模型（从一个平面到另一个平面的变换）的最佳点集

---

上面的函数将返回一个数组状态，对于被认为是内联的索引为1，对于被认为是离群的索引为0，因此您可以通过检查此状态数组来删除离群值。

您需要修改Hessian，2500太多了。试试50英镑。当你使用一个大黑森，结果是很多关键点，导致一些不必要的。关于SURF的另一个信息是，你的标记需要更加丰富，有更多的细节。

这本书非常有用！在Android上使用

LMEDS

（

Calib3d.LMEDS

）会给我带来更好的结果，我不知道为什么在我的课程项目中，Matlab中的RANSAC会给出非常好的结果。但确实，删除大纲视图是必须的！

cv::findHomography(srcPoints,dstPoints, RANSAC, status);