《图像匹配算法在OPENCV中的研究与实现》由会员分享，可在线阅读，更多相关《图像匹配算法在OPENCV中的研究与实现（2页珍藏版）》请在金锄头文库上搜索。
1、一、VS2021 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试验测试得到结论。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。点击开头匹配后，弹出上面的匹配结果。二、学习的学问点1、 sift 算法surf 算法根本与 sift 算法一样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
2、的保持肯定程度的稳定性。其独特性好，信息量丰富，适用于在大量数据库中进展快速、准确的匹配。 sift 算法步骤： S1：提取关键点。对图像进展处理，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展两两比较，找出相匹配的假设干对特征点。然后用线连接起来。S3：消退错误匹配点。用参数估量的方法，对匹配点反复测试、不断迭代运算，消退错误的匹配点。特征点检测特征点描述目标特征点集合SIFT特征点匹配特征点修正并统计特征点检测特征点描述目标特征点集合SIFTS4：统计匹配点和匹配点的相关信息。流程图如下2、 SURF 算法和 SIFT 算法的区分主要在于速度
3、和精度上。SURF 描述子大局部是基于强度的差值，计算更快捷，而 SIFT 描述子通常在搜寻正确的特征时更加准确。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。能抑制这个问题。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，都有肯定的表达，具体性能指标需要试验测试。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。理论学问，不太懂接下来的方案：进一步完善 MFC 的界面，提高人机交互的友好型。争辩原理。测试相关的试验数据，完善论文框架，提高论文结论的牢靠性。
