圖像匹配算法在OPENCV中的研究與實(shí)現(xiàn)

1、、VS2010中建立一個(gè)OPENCV的工程使用的opencv版本號(hào)是2.4.4iBLfuta-!曰H2ML1以上兩圖分別是匹配原圖和匹配一張無關(guān)圖的匹配結(jié)果?？梢钥闯銎ヅ浣Y(jié)果準(zhǔn)確。匹配準(zhǔn)確率需要后面實(shí)驗(yàn)測(cè)試得到結(jié)論。匹配結(jié)論中包括：兩張圖各自的特征點(diǎn)數(shù)，匹配的點(diǎn)數(shù)，最大和最小距離（該距離是歐式距離），優(yōu)秀的匹配點(diǎn)。您選徉腕片：2552G4SS2釧斗百2M452&A502W512開522&M51：:-?-2開同2開頁2&=1592M59上圖是MFC設(shè)計(jì)的簡(jiǎn)要界面。點(diǎn)擊開始匹配后，彈出上面的匹配結(jié)果。二、學(xué)習(xí)的知識(shí)點(diǎn)1、sift算法（surf算法基本與sift算法相同）si

2、ft算法是一種基于尺度空間的算法。該算法利用的特征是圖像的局部特征，使其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化具有保持不變性，并在對(duì)視角變化、放射變換、噪聲也具有很好的保持一定程度的穩(wěn)定性。其獨(dú)特性好，信息量豐富，適用于在大量數(shù)據(jù)庫中進(jìn)行快速、準(zhǔn)確的匹配。sift算法步驟：S1：提取關(guān)鍵點(diǎn)。對(duì)圖像進(jìn)行處理，提取出圖像的關(guān)鍵點(diǎn)，產(chǎn)生關(guān)鍵點(diǎn)集合。S2：建立兩幅圖像之間的對(duì)于關(guān)系。通過兩張圖像的特征點(diǎn)進(jìn)行兩兩比較，找出相匹配的若干對(duì)特征點(diǎn)。然后用線連接起來。S3:消除錯(cuò)誤匹配點(diǎn)。用參數(shù)估計(jì)的方法，對(duì)匹配點(diǎn)反復(fù)測(cè)試、不斷迭代運(yùn)算，消除錯(cuò)誤的匹配點(diǎn)。S4：統(tǒng)計(jì)匹配點(diǎn)和匹配點(diǎn)的相關(guān)信息。流程圖如下目標(biāo)特征點(diǎn)集合2、S

3、URF算法和SIFT算法的區(qū)別主要在于速度和精度上。SURF描述子大部分是基于強(qiáng)度的差值，計(jì)算更快捷，而SIFT描述子通常在搜索正確的特征時(shí)更加精確。兩者在OPENCV具體實(shí)現(xiàn)中沒有很大的差異。都使用了cv:FeatureDetector接口，使用cv:drawKeypoint函數(shù)。3、在面對(duì)尺度變化問題時(shí)，需要分析圖像在拍攝時(shí)與目標(biāo)物體的距離。而SIFT算法具有尺度不變的特性，每個(gè)檢測(cè)的特征點(diǎn)都伴隨著對(duì)應(yīng)的尺寸因子。能克服這個(gè)問題。SURF算法是SIFT算法的高效變種。同樣具有尺幅不變的特征。兩者在3D視點(diǎn)變化上的性特，都有一定的體現(xiàn)，具體性能指標(biāo)需要實(shí)驗(yàn)測(cè)試。所謂的尺度空間，在OPENCV中被形象地描述為一個(gè)圖像金字塔，向下采樣一般用高斯金字塔。（理論知識(shí)，不太懂）接下來的計(jì)劃：進(jìn)一步完善M