OpenCV平面物体检测

平面物体检测

这个教程的目标是学习如何使用 features2d 和 calib3d 模块来检测场景中的已知平面物体。

测试数据 : 数据图像文件，比如 “box.png”或者“box_in_scene.png”等。

1. 创建新的控制台(console)项目。读入两个输入图像。

   Mat img1 = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
   
   Mat img2 = imread(argv[2], CV_LOAD_IMAGE_GRAYSCALE);
   

2. 检测两个图像的关键点（尺度旋转都不发生变化的关键点）。

   // 对第一幅图像进行关键点检测
   
   FastFeatureDetector detector(15);
   
   vector<KeyPoint> keypoints1;
   
   detector.detect(img1, keypoints1);
   
   ... // 对第二幅图像进行关键点检测
   

3. 计算每个关键点的描述向量(Descriptor)。

   // 计算描述向量
   
   SurfDescriptorExtractor extractor;
   
   Mat descriptors1;
   
   extractor.compute(img1, keypoints1, descriptors1);
   
   ... // 计算第二幅图像中的关键点对应的描述向量
   

4. 计算两幅图像中的关键点对应的描述向量距离，寻找两图像中距离最近的描述向量对应的关键点，即为两图像中匹配上的关键点:

   // 关键点描述向量匹配
   
   BruteForceMatcher<L2<float> > matcher;
   
   vector<DMatch> matches;
   
   matcher.match(descriptors1, descriptors2, matches);
   

5. 可视化结果:

   // 绘制出结果
   
   namedWindow("matches", 1);
   
   Mat img_matches;
   
   drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
   
   imshow("matches", img_matches);
   
   waitKey(0);
   

6. 寻找两个点集合中的单映射变换（homography transformation）:

   vector<Point2f> points1, points2;
   
   // 用点填充形成矩阵(array)
   
   ....
   
   Mat H = findHomography(Mat(points1), Mat(points2), CV_RANSAC, ransacReprojThreshold);
   

7. 创建内匹配点集合同时绘制出匹配上的点。用perspectiveTransform函数来通过单映射来映射点:

   Mat points1Projected; perspectiveTransform(Mat(points1), points1Projected, H);

8. 用 drawMatches 来绘制内匹配点.