Feature Detection——SURF

一.先决条件

1.SURF算法

参考博客：

https://www.cnblogs.com/jinjidexuetu/p/90ace4e8de574e3d5f4e6ac16a0dc157.html

设定Hessian行列式的阀值（下面代码中要修改的）

低于Hessian行列式阀值的点不能作为最终的特征点。在实际选择阀值时，根据实际应用中对特征点数量和精确度的要求改变阀值。阀值越大，得到的特征点的鲁棒性越好。在处理场景简单的图像时，其阀值可以适当的调低。在复杂的图像中，图像经旋转或者模糊后特征点变化的数量较大，测试需要适当提高阀值。

2.OpenCV-contrib配置

github上下载opencv对应的的opencv-contrib，然后按照教程编译即可

二.代码实现

#include <stdio.h> #include <iostream> #include "opencv2/core.hpp" #include "opencv2/features2d.hpp" #include "opencv2/xfeatures2d.hpp" #include "opencv2/highgui.hpp" using namespace cv; using namespace cv::xfeatures2d; void readme(); /* @function main */ int main( int argc, char** argv ) { if( argc != 3 )//命令行包括三个参数 { readme(); return -1; } Mat img_1 = imread( argv[1], IMREAD_GRAYSCALE );//读取第一幅图像 Mat img_2 = imread( argv[2], IMREAD_GRAYSCALE );//第二幅图像 if( !img_1.data || !img_2.data )//判断图像是否读取成功 { std::cout<< " --(!) Error reading images " << std::endl; return -1; } //-- Step 1: Detect the keypoints using SURF Detector int minHessian = 400;//最小的阈值 Ptr<SURF> detector = SURF::create( minHessian );//指针创建 std::vector<KeyPoint> keypoints_1, keypoints_2;//关键点向量 detector->detect( img_1, keypoints_1 );//将检测到的关键点存入向量 detector->detect( img_2, keypoints_2 ); //-- Draw keypoints Mat img_keypoints_1; Mat img_keypoints_2;//输出图像矩阵 drawKeypoints( img_1, keypoints_1, img_keypoints_1, Scalar::all(-1), DrawMatchesFlags::DEFAULT );//将img_1中的关键点keypoints_1画到img_keypoints_1中 drawKeypoints( img_2, keypoints_2, img_keypoints_2, Scalar::all(-1), DrawMatchesFlags::DEFAULT ); //-- Show detected (drawn) keypoints imshow("Keypoints 1", img_keypoints_1 ); imshow("Keypoints 2", img_keypoints_2 ); waitKey(0); return 0; } /* @function readme */ void readme() { std::cout << " Usage: ./SURF_detector <img1> <img2>" << std::endl; }

截图：