opencv中大型图像的关键点检测与匹配

我正在opencv中进行关键点检测和匹配，以缝合两幅图像

当图像很小时，效果很好。但是在处理较大的图像时，检测到的关键点数量会增加，因此需要花费大量时间来匹配它们。但是为了缝合图像，我们似乎不需要那么多关键点。为了提高效率，有没有办法只检测有限数量的关键点

在代码中，我使用SiftFeatureDetector和SiftDescriptorExtractor来检测关键点和提取描述符

问候。

我的建议：

重新调整图像大小，使其变得更小，然后执行特征匹配。 一旦你有了一个快速的解决方案（单应）应用它，比下一个匹配会快得多

您确实有办法轻松控制功能的数量。您可以提高阈值，因此将选择较少的功能。 您甚至可以在while（）循环中包装阈值。它会提高阈值，直到特征量小于N（但大于一些M）

请看我在这里发布的完整代码示例：

---

1，重新调整尺寸是一个好方法。在detector.detect中使用掩码参数（img、feature、mask）将产生相同的结果，对吗？2、控制检测器获得的特征量。检测似乎并不容易，因为无法在函数中设置阈值，对吗？使用掩码是一个好方法，但我不确定您是否知道掩码应该是什么。您如何提前知道在哪里可以找到好的功能？关于特征的数量，在我发布的示例中有一行：Ptr检测器=新的SurfFeatureDetector（2000）；2000是您需要通过将此行与detector->detect包装在一起并对检测到的特征数量设置条件来更改的数字