OpenCV - сопоставление объектов с использованием дескрипторов SURF и BruteForceMatcher
У меня вопрос об объектах, соответствующих OpenCV.
Я использую алгоритм SURF, реализованный в opencv 2.3, чтобы сначала обнаруживать признаки на каждом изображении, а затем извлекать дескрипторы этих функций.
Проблема в сопоставлении с использованием Brute Force Matcher, я не знаю, как я считаю, что оба изображения совпадают или нет, так как, когда я использую два разных изображения, между двумя дескрипторами есть два изображения!
Эти выходы моего кода, либо два изображения, которые я сравниваю с ними, похожи или разные, изображение результата показывает, что оба изображения совпадают.
Вопрос: как я могу различать два изображения?
Истинное соответствие:
![http://store1.up-00.com/Jun11/hxM00286.jpg]()
Ложное сопоставление!!:
![http://store1.up-00.com/Jun11/D5H00286.jpg]()
Мой код:
Mat image1, outImg1, image2, outImg2;
// vector of keypoints
vector<KeyPoint> keypoints1, keypoints2;
// Read input images
image1 = imread("C://Google-Logo.jpg",0);
image2 = imread("C://Alex_Eng.jpg",0);
SurfFeatureDetector surf(2500);
surf.detect(image1, keypoints1);
surf.detect(image2, keypoints2);
drawKeypoints(image1, keypoints1, outImg1, Scalar(255,255,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
drawKeypoints(image2, keypoints2, outImg2, Scalar(255,255,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
namedWindow("SURF detector img1");
imshow("SURF detector img1", outImg1);
namedWindow("SURF detector img2");
imshow("SURF detector img2", outImg2);
SurfDescriptorExtractor surfDesc;
Mat descriptors1, descriptors2;
surfDesc.compute(image1, keypoints1, descriptors1);
surfDesc.compute(image2, keypoints2, descriptors2);
BruteForceMatcher<L2<float>> matcher;
vector<DMatch> matches;
matcher.match(descriptors1,descriptors2, matches);
nth_element(matches.begin(), matches.begin()+24, matches.end());
matches.erase(matches.begin()+25, matches.end());
Mat imageMatches;
drawMatches(image1, keypoints1, image2, keypoints2, matches, imageMatches, Scalar(255,255,255));
namedWindow("Matched");
imshow("Matched", imageMatches);
cv::waitKey();
return 0;
Ответы
Ответ 1
Проблема заключалась только в использовании Brute Force Matcher, я нашел методы для получения набора хороших совпадений между двумя видами в "OpenCV 2 Computer Vision Application Programming Cookbook"
Ch9: сопоставление изображений с использованием случайного выборочного консенсуса
Они используют K-Nearest Neighbor и RANSAC
И спасибо
Ответ 2
Для удаления выбросов Голосование RANSAC + является хорошим методом при сравнении двух плоских изображений.
Гомография - это модель, которую RANSAC попытается использовать для сравнения точек с обоих изображений, и найдет наилучший набор точек, которые лучше подходят для проекционной модели гомографии (трансформация из одной плоскости в другую).
cv::findHomography(srcPoints,dstPoints, RANSAC, status);
Функция выше вернет статус массива, который имеет 1 для индексов, считающихся значениями, и 0 для индексов, считающихся выбросами, поэтому вы можете удалить выбросы, проверив этот массив состояний.
Ответ 3
Вам нужно изменить свой Hessian, 2500 - это слишком много. Попробуйте 50. Когда вы используете большой гессиан, в результате появляется много ключевых точек, что приводит к ненужному. Другая информация о SURF заключается в том, что ваш маркер должен быть более богатым, с более подробной информацией.