搜索
一、VS2010中建立一个OPENCV的工程使用的opencv版本号是2.4.4以上两图分别是匹配原图和匹配一张无关图的匹配结果。可以看出匹配结果准确。匹配准确率需要后面实验测试得到结论。匹配结论中包括：两张图各自的特征点数，匹配的点数，最大和最小距离（该距离是欧式距离），优秀的匹配点。上图是MFC设计的简要界面。点击开始匹配后，弹出上面的匹配结果。二、学习的知识点1、sift算法（surf算法基本与sift算法相同）sift算法是一种基于尺度空间的算法。该算法利用的特征是图像的局部特征，使其对旋转、尺度缩放、亮度变化具有保持不变性，并在对视角变化、放射变换、噪声也具有很好的保持一定程度的稳定性。其独特性好，信息量丰富，适用于在大量数据库中进行快速、准确的匹配。sift算法步骤：S1：提取关键点。对图像进行处理，提取出图像的关键点，产生关键点集合。S2：建立两幅图像之间的对于关系。通过两张图像的特征点进行两两比较，找出相匹配的若干对特征点。然后用线连接起来。S3：消除错误匹配点。用参数估计的方法，对匹配点反复测试、不断迭代运算，消除错误的匹配点。S4：统计匹配点和匹配点的相关信息。流程图如下特征点检测特征点描述SIFT特征点检测特征点描述SIFT目标特征点集合目标特征点集合特征点匹配特征点修正并统计2、SURF算法和SIFT算法的区别主要在于速度和精度上。SURF描述子大部分是基于强度的差值，计算更快捷，而SIFT描述子通常在搜索正确的特征时更加精确。两者在OPENCV具体实现中没有很大的差异。都使用了cv::FeatureDetector接口，使用cv::drawKeypoint函数。3、在面对尺度变化问题时，需要分析图像在拍摄时与目标物体的距离。而SIFT算法具有尺度不变的特性，每个检测的特征点都伴随着对应的尺寸因子。能克服这个问题。SURF算法是SIFT算法的高效变种。同样具有尺幅不变的特征。两者在3D视点变化上的性特，都有一定的体现，具体性能指标需要实验测试。所谓的尺度空间，在OPENCV中被形象地描述为一个图像金字塔，向下采样一般用高斯金字塔。（理论知识，不太懂）接下来的计划：进一步完善MFC的界面，提高人机交互的友好型。研究原理。测试相关的实验数据，完善论文框架，提高论文结论的可靠性。