sift演算法opencv
Ⅰ opencv sift 怎麼提高匹配正確率
解決思路如下：sift匹配分為兩部分，第一部分，sift特徵點檢測； 第二部分，sift對特徵點進行描述。 我建議你用harris或者其他的特徵點提取方法做第一部分，這樣檢測的特徵點可能會多些。希望能夠幫到你~
Ⅱ Opencv SIFT演算法
建立一個新工程，將match.c文件加進去，然後一個一個文件加。提示少那個就加哪個。
匹配用的就是match里的內容。
Ⅲ opencv雙目測距除了用sift演算法外，還能用其它方法嗎
SIFT演算法是用來提取圖像中DoG局部極值點的。SIFT只是一種特徵點演算法而已。
Ⅳ 請教，opencv3.0中怎麼用sift相關函數
opencv3.0 有一個opencv_contrib-master的補充庫，
在moles的xfeature裡面，對SIFT類的聲明在include文件夾的nonfree.hpp里，sift演算法的實現在src文件夾裡面的sift.cpp裡面
Ⅳ ubuntu14.04 opencv3.1.0 怎樣用sift
opencv3.0 有一個opencv_contrib-master的補充庫，在moles的xfeature裡面，對SIFT類的聲明在include文件夾的nonfree.hpp里，sift演算法的實現在src文件夾裡面的sift.cpp裡面
Ⅵ java opencv 怎樣確定sift 匹配結果
這幾天繼續在看Lowe大神的SIFT神作，看的眼花手腳抽筋。也是醉了！！！！實在看不下去，來點干貨。我們知道opencv下自帶SIFT特徵檢測以及MATCH匹配的庫，這些庫完全可以讓我們進行傻瓜似的操作。但實際用起來的時候還不是那麼簡單。下文將對一個典型的基於OPENCV的SIFT特徵點提取以及匹配的常式進行分析，並由此分析詳細的對OPENCV中SIFT演算法的使用進行一個介紹。
OPENCV下SIFT特徵點提取與匹配的大致流程如下：
讀取圖片-》特徵點檢測（位置，角度，層）-》特徵點描述的提取（16*8維的特徵向量）-》匹配-》顯示
其中，特徵點提取主要有兩個步驟，見上行黃子部分。下面做具體分析。
1、使用opencv內置的庫讀取兩幅圖片
2、生成一個SiftFeatureDetector的對象，這個對象顧名思義就是SIFT特徵的探測器，用它來探測衣服圖片中SIFT點的特徵，存到一個KeyPoint類型的vector中。這里有必要說keypoint的數據結構，涉及內容較多，具體分析查看opencv中keypoint數據結構分析，裡面講的自認為講的還算詳細（表打我……）。簡而言之最重要的一點在於：
keypoint只是保存了opencv的sift庫檢測到的特徵點的一些基本信息，但sift所提取出來的特徵向量其實不是在這個裡面，特徵向量通過SiftDescriptorExtractor 提取，結果放在一個Mat的數據結構中。這個數據結構才真正保存了該特徵點所對應的特徵向量。具體見後文對SiftDescriptorExtractor 所生成的對象的詳解。
就因為這點沒有理解明白耽誤了一上午的時間。哭死！
3、對圖像所有KEYPOINT提取其特徵向量：
得到keypoint只是達到了關鍵點的位置，方向等信息，並無該特徵點的特徵向量，要想提取得到特徵向量就還要進行SiftDescriptorExtractor 的工作，建立了SiftDescriptorExtractor 對象後，通過該對象，對之前SIFT產生的特徵點進行遍歷，找到該特徵點所對應的128維特徵向量。具體方法參見opencv中SiftDescriptorExtractor所做的SIFT特徵向量提取工作簡單分析。通過這一步後，所有keypoint關鍵點的特徵向量被保存到了一個MAT的數據結構中，作為特徵。
4、對兩幅圖的特徵向量進行匹配，得到匹配值。
兩幅圖片的特徵向量被提取出來後，我們就可以使用BruteForceMatcher對象對兩幅圖片的descriptor進行匹配，得到匹配的結果到matches中，這其中具體的匹配方法暫沒細看，過段時間補上。
至此，SIFT從特徵點的探測到最後的匹配都已經完成，雖然匹配部分不甚了解，只掃對於如何使用OPENCV進行sift特徵的提取有了一定的理解。接下來可以開始進行下一步的工作了。
附:使用OPENCV下SIFT庫做圖像匹配的常式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
// opencv_empty_proj.cpp : 定義控制台應用程序的入口點。
//
#include "stdafx.h"
#include opencv.hpp>
#include features2d/features2d.hpp>
#includenonfree/nonfree.hpp>
#includelegacy/legacy.hpp>
#include
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{
const char* imagename = "img.jpg";
//從文件中讀入圖像
Mat img = imread(imagename);
Mat img2=imread("img2.jpg");
//如果讀入圖像失敗
if(img.empty())
{
fprintf(stderr, "Can not load image %s\n", imagename);
return -1;
}
if(img2.empty())
{
fprintf(stderr, "Can not load image %s\n", imagename);
return -1;
}
//顯示圖像
imshow("image before", img);
imshow("image2 before",img2);
//sift特徵檢測
SiftFeatureDetector siftdtc;
vectorkp1,kp2;
siftdtc.detect(img,kp1);
Mat outimg1;
drawKeypoints(img,kp1,outimg1);
imshow("image1 keypoints",outimg1);
KeyPoint kp;
vector::iterator itvc;
for(itvc=kp1.begin();itvc!=kp1.end();itvc++)
{
cout<<"angle:"<angle<<"\t"<class_id<<"\t"<octave<<"\t"<pt<<"\t"<response<<endl;
}
siftdtc.detect(img2,kp2);
Mat outimg2;
drawKeypoints(img2,kp2,outimg2);
imshow("image2 keypoints",outimg2);
SiftDescriptorExtractor extractor;
Mat descriptor1,descriptor2;
BruteForceMatcher<L2> matcher;
vector matches;
Mat img_matches;
extractor.compute(img,kp1,descriptor1);
extractor.compute(img2,kp2,descriptor2);
imshow("desc",descriptor1);
cout<<endl<<descriptor1<<endl;
matcher.match(descriptor1,descriptor2,matches);
drawMatches(img,kp1,img2,kp2,matches,img_matches);
imshow("matches",img_matches);
//此函數等待按鍵，按鍵盤任意鍵就返回
waitKey();
return 0;
}
Ⅶ opencv sift 怎麼用
OPENCV下SIFT特徵點提取與匹配的大致流程如下：
讀取圖片-》特徵點檢測（位置，角度，層）-》特徵點描述的提取（16*8維的特徵向量）-》匹配-》顯示
其中，特徵點提取主要有兩個步驟，見上行黃子部分。下面做具體分析。
1、使用opencv內置的庫讀取兩幅圖片
2、生成一個SiftFeatureDetector的對象，這個對象顧名思義就是SIFT特徵的探測器，用它來探測衣服圖片中SIFT點的特徵，存到一個KeyPoint類型的vector中。這里有必要說keypoint的數據結構，涉及內容較多，具體分析查看opencv中keypoint數據結構分析，裡面講的自認為講的還算詳細（表打我……）。簡而言之最重要的一點在於：
keypoint只是保存了opencv的sift庫檢測到的特徵點的一些基本信息，但sift所提取出來的特徵向量其實不是在這個裡面，特徵向量通過SiftDescriptorExtractor 提取，結果放在一個Mat的數據結構中。這個數據結構才真正保存了該特徵點所對應的特徵向量。具體見後文對SiftDescriptorExtractor 所生成的對象的詳解。
就因為這點沒有理解明白耽誤了一上午的時間。哭死！
3、對圖像所有KEYPOINT提取其特徵向量：
得到keypoint只是達到了關鍵點的位置，方向等信息，並無該特徵點的特徵向量，要想提取得到特徵向量就還要進行SiftDescriptorExtractor
的工作，建立了SiftDescriptorExtractor
對象後，通過該對象，對之前SIFT產生的特徵點進行遍歷，找到該特徵點所對應的128維特徵向量。具體方法參見opencv中SiftDescriptorExtractor所做的SIFT特徵向量提取工作簡單分析。通過這一步後，所有keypoint關鍵點的特徵向量被保存到了一個MAT的數據結構中，作為特徵。
4、對兩幅圖的特徵向量進行匹配，得到匹配值。
兩幅圖片的特徵向量被提取出來後，我們就可以使用BruteForceMatcher對象對兩幅圖片的descriptor進行匹配，得到匹配的結果到matches中。
至此，SIFT從特徵點的探測到最後的匹配都已經完成，雖然匹配部分不甚了解，只掃對於如何使用OPENCV進行sift特徵的提取有了一定的理解。接下來可以開始進行下一步的工作了。
附:使用OPENCV下SIFT庫做圖像匹配的常式
// opencv_empty_proj.cpp : 定義控制台應用程序的入口點。
//
#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <opencv2/features2d/features2d.hpp>
#include<opencv2/nonfree/nonfree.hpp>
#include<opencv2/legacy/legacy.hpp>
#include<vector>
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{
const char* imagename = "img.jpg";
//從文件中讀入圖像
Mat img = imread(imagename);
Mat img2=imread("img2.jpg");
//如果讀入圖像失敗
if(img.empty())
{
fprintf(stderr, "Can not load image %s\n", imagename);
return -1;
}
if(img2.empty())
{
fprintf(stderr, "Can not load image %s\n", imagename);
return -1;
}
//顯示圖像
imshow("image before", img);
imshow("image2 before",img2);
//sift特徵檢測
SiftFeatureDetector siftdtc;
vector<KeyPoint>kp1,kp2;
siftdtc.detect(img,kp1);
Mat outimg1;
drawKeypoints(img,kp1,outimg1);
imshow("image1 keypoints",outimg1);
KeyPoint kp;
vector<KeyPoint>::iterator itvc;
for(itvc=kp1.begin();itvc!=kp1.end();itvc++)
{
cout<<"angle:"<<itvc->angle<<"\t"<<itvc->class_id<<"\t"<<itvc->octave<<"\t"<<itvc->pt<<"\t"<<itvc->response<<endl;
}
siftdtc.detect(img2,kp2);
Mat outimg2;
drawKeypoints(img2,kp2,outimg2);
imshow("image2 keypoints",outimg2);
SiftDescriptorExtractor extractor;
Mat descriptor1,descriptor2;
BruteForceMatcher<L2<float>> matcher;
vector<DMatch> matches;
Mat img_matches;
extractor.compute(img,kp1,descriptor1);
extractor.compute(img2,kp2,descriptor2);
imshow("desc",descriptor1);
cout<<endl<<descriptor1<<endl;
matcher.match(descriptor1,descriptor2,matches);
drawMatches(img,kp1,img2,kp2,matches,img_matches);
imshow("matches",img_matches);
//此函數等待按鍵，按鍵盤任意鍵就返回
waitKey();
return 0;
}
Ⅷ 求opencv實現sift演算法的程序
到底是使用還是實現，實現的話直接看opencv的源碼就好了。
使用的話方法不一，傳送門：
http://www.cnblogs.com/tornadomeet/archive/2012/03/08/2384843.html