C++ 多模板匹配，使用ORB检测电子元件
我正在尝试使用opencv检测电子图表和照片中的组件。我正在使用带有BFMathcer的ORB特征检测器。为了检测多个事件，我现在正在使用滑动窗口方法。 在我的第一次测试中，我尝试在电路图像上检测二极管，但最终没有在二极管模板上检测到关键点 我的第一个解决方案是在检测关键点之前拉伸图像，但我得到的匹配结果很差 二极管模板 使用的电路 （很抱歉链接，无法嵌入图像…） 是否有更好的方法提取关键点？ 还有其他建议吗 如果解决方案是缩放/旋转不变的，那就好了C++ 多模板匹配，使用ORB检测电子元件,c++,opencv,image-processing,computer-vision,template-matching,C++,Opencv,Image Processing,Computer Vision,Template Matching,我正在尝试使用opencv检测电子图表和照片中的组件。我正在使用带有BFMathcer的ORB特征检测器。为了检测多个事件，我现在正在使用滑动窗口方法。 在我的第一次测试中，我尝试在电路图像上检测二极管，但最终没有在二极管模板上检测到关键点 我的第一个解决方案是在检测关键点之前拉伸图像，但我得到的匹配结果很差 二极管模板 使用的电路 （很抱歉链接，无法嵌入图像…） 是否有更好的方法提取关键点？ 还有其他建议吗 如果解决方案是缩放/旋转不变的，那就好了 cv::Mat
cv::Mat template_img, capture;
std::vector<cv::KeyPoint> mTemplate_key_points;
cv::Mat mTemplate_descriptors;
std::vector<cv::KeyPoint> key_pts;
cv::Mat descriptors;
auto ORB = cv::ORB::create(2000);
ORB->detectAndCompute(template_img, cv::noArray(), mTemplate_key_points, mTemplate_descriptors);
ORB->detectAndCompute(capture, cv::noArray(), key_pts, descriptors);
cv::BFMatcher matcher(cv::NORM_HAMMING);
std::vector< std::vector<cv::DMatch> > nn_matches;
matcher.knnMatch(mTemplate_descriptors, descriptors, nn_matches,2);
std::vector<cv::KeyPoint> matched1, matched2;
float feature_distance =0;
for (auto& descriptor_match: nn_matches)
{
float dist1 = descriptor_match[0].distance;
float dist2 = descriptor_match[1].distance;
feature_distance += dist2 -dist1;
if(dist1 < 0.8f * dist2)
{
matched1.push_back(mTemplate_key_points[descriptor_match[0].queryIdx]);
matched2.push_back(key_pts[descriptor_match[0].trainIdx]);
}
}
std::vector<cv::Point2f> template_hom;
for (auto pt : matched1)
{
template_hom.push_back(pt.pt);
}
std::vector<cv::Point2f> image_hom;
for (auto pt : matched2)
{
image_hom.push_back(pt.pt);
}
auto my_homography = cv::findHomography(image_hom, template_hom);
cv::Mat cuted_component;
cv::warpPerspective(distorted, cuted_component, my_homography, cv::Size(300,300));
cv:：Mat template\u img，捕获；
std：：向量模板关键点；
cv：：Mat mTemplate_描述符；
std：：向量密钥；
cv：：Mat描述符；
自动ORB=cv:：ORB:：create（2000）；
ORB->detectAndCompute（模板、cv:：noArray（）、mTemplate\u关键点、mTemplate\u描述符）；
ORB->detectAndCompute（捕获，cv:：noArray（），关键点，描述符）；
cv:：BFMatcher matcher（cv:：NORM_HAMMING）；
std:：vectornn_匹配；
knnMatch（mTemplate_描述符，描述符，nn_匹配，2）；
std：：向量匹配1，匹配2；
浮动特性_距离=0；
用于（自动和描述符匹配：nn\u匹配）
{
float dist1=描述符匹配[0]。距离；
float dist2=描述符匹配[1]。距离；
特征距离+=dist2-dist1；
如果（距离1<0.8f*2）
{
matched1.push_back（mTemplate_key_points[descriptor_match[0].queryIdx]）；
matched2.push_back（键值[descriptor_match[0].trainIdx]）；
}
}
std：：向量模板；
用于（自动pt:matched1）
{
模板向后推（pt.pt）；
}
std：：矢量图像；
用于（自动pt:matched2）
{
图像向后推（pt.pt）；
}
自动my_单纯形=cv:：FindHome（图像、模板）；
cv：：垫切_组件；
cv:：warpPerspective（扭曲、剪切的_组件、my_单应性、cv:：Size（300300））；