opencv中大图像的关键点检测与匹配答案

【问题标题】：Keypoint detection and matching for large images in opencvopencv中大图像的关键点检测与匹配
【发布时间】：2012-05-27 06:49:50
【问题描述】：

我正在opencv中进行关键点检测和匹配以拼接两个图像。

当图像很小时，它工作得很好。但是在处理较大的图像时，检测到的关键点数量会增加，因此要花费大量时间来匹配它们。但是为了拼接图像，我们似乎不需要这么多关键点。为了提高效率，有没有办法只检测有限数量的关键点？

在代码中，我使用 SiftFeatureDetector 和 SiftDiscriptorExtractor 来检测关键点并提取描述符。

问候。

【问题讨论】：

【解决方案1】：

我的建议：

重新调整图像大小，使其变得更小，然后执行特征匹配。一旦你有一个快速的解决方案（Homography）应用它，下一次匹配会更快。

您确实有办法轻松控制功能的数量。您可以提高阈值，因此将选择更少的功能。您甚至可以将阈值包装在 while() 循环中。它会提高阈值，直到特征量小于 N（但大于某些 M）。

查看我在此处发布的完整代码示例：

【讨论】：

1，重新调整大小是个好方法。在detector.detect(img, feature, mask) 中使用掩码参数会产生等效的结果，对吧？ 2、控制detector.detect获得的特征量似乎并不容易，因为函数中不能设置阈值，对吧？
使用面具是一个好方法，但我不确定你知道面具应该是什么。你怎么能提前知道哪里可以找到好的功能？关于功能的数量，在我发布的示例中，有一行：Ptrdetector = new SurfFeatureDetector(2000); 2000 是您需要更改的数字，方法是将此行与检测器->检测并在检测到的特征数量上设置条件