Skip to content
Anima Mundi Anima Mundi

AKAZE 局部特征匹配

在本教程中，我们将学习如何使用 AKAZE [ANB13] 局部特征来检测并匹配两幅图像上的关键点。 我们将利用给定的单应性矩阵在一对图像上寻找关键点，对其进行匹配，并统计内点（inliers）的数量（即符合给定单应性矩阵的匹配）。

你可以在此处找到本示例的扩展版本： https://github.com/pablofdezalc/test_kaze_akaze_opencv

数据

Section titled “数据”

我们将使用 牛津数据集 中 Graffiti 序列的第 1 张和第 3 张图像。

单应性矩阵由一个 3×3 矩阵给出：

7.6285898e-01  -2.9922929e-01   2.2567123e+02
3.3443473e-01   1.0143901e+00  -7.6999973e+01
3.4663091e-04  -1.4364524e-05   1.0000000e+00

res.png

你可以在 opencv/samples/data/ 中找到这些图像（graf1.png、graf3.png）与单应性矩阵（H1to3p.xml）。

源代码

Section titled “源代码”

graf.png

  • 可下载的代码：点击 这里

  • 代码一览： 代码见下方示例

  • 可下载的代码：点击 这里

  • 代码一览： 代码见下方示例

  • 可下载的代码：点击 这里

  • 代码一览： 代码见下方示例

说明

Section titled “说明”
  • 载入图像与单应性矩阵

这里我们载入的是灰度图像。单应性矩阵存储在用 FileStorage 创建的 xml 文件中。

  • 使用 AKAZE 检测关键点并计算描述子

我们创建 AKAZE，并检测、计算 AKAZE 的关键点与描述子。由于我们不需要 mask 参数，因此使用 noArray()。

  • 使用暴力匹配器寻找 2-NN 匹配

我们使用汉明距离（Hamming distance），因为 AKAZE 默认使用二值描述子。

  • 使用 2-NN 匹配和比率准则筛选正确的关键点匹配 如果最近匹配的距离显著小于次近匹配的距离，则该匹配是正确的（即匹配不存在歧义）。

  • 检查匹配是否符合单应性模型

如果第一个关键点的投影到第二个关键点的距离小于阈值，则它符合单应性模型。

我们为内点创建了一组新的匹配，因为绘图函数需要这样做。

  • 输出结果

这里我们保存结果图像并打印一些统计信息。

结果

Section titled “结果”

找到的匹配

Section titled “找到的匹配”

根据你所用的 OpenCV 版本，得到的结果应与以下数据一致：

 Keypoints 1:   2943
 Keypoints 2:   3511
 Matches:       447
 Inliers:       308
 Inlier Ratio: 0.689038