SURF特征点检测与匹配之误匹配点删除

SURF（SpeededUp Robust Feature）是加速版的具有鲁棒性的算法，是SIFT算法的加速版。

但是SURF特征匹配之后有大量的误匹配点，需要对这些误匹配点进行删除。

这里不从理论上讲解SURF原理等，直接说用法。

特征匹配的步骤分为三步：

1、找出特征点

2、描述特征点

3、特征点匹配

具体基本代码见最后。具体的可以看毛星云的书籍，但是个人认为其编程风格不严谨，自己有做改动。

但是匹配出来的结果如下：

SURF特征点检测与匹配之误匹配点删除

有很多的误匹配点，如何对误匹配点进行删除呢。

双向匹配加距离约束。

实验结果如下：效果还是非常好的。

SURF特征点检测与匹配之误匹配点删除

[cpp]view
plain copy

#include "stdafx.h"  

#include <opencv2\opencv.hpp>  

#include <opencv2\nonfree\nonfree.hpp>  

#include <opencv2\legacy\legacy.hpp>  

#include <iostream>  

int _tmain(int argc, _TCHAR* argv[])  

{  

    //读取图片  

    cv::Mat srcImg1 = cv::imread("1.jpg", 1);  

    cv::Mat srcImg2 = cv::imread("2.jpg", 1);  

    if (srcImg1.empty() || srcImg2.empty())  

    {  

        std::cout << "Read Image ERROR!" << std::endl;  

        return 0;  

    }  

    //SURF算子特征点检测  

    int minHessian = 700;  

    cv::SurfFeatureDetector detector(minHessian);//定义特征点类对象  

    std::vector<cv::KeyPoint> keyPoint1, keyPoint2;//存放动态数组，也就是特征点  

    detector.detect(srcImg1, keyPoint1);  

    detector.detect(srcImg2, keyPoint2);  

    //特征向量  

    cv::SurfDescriptorExtractor extrator;//定义描述类对象  

    cv::Mat descriptor1, descriptor2;//描述对象  

    extrator.compute(srcImg1, keyPoint1, descriptor1);  

    extrator.compute(srcImg2, keyPoint2, descriptor2);  

    //BruteForce暴力匹配  

    cv::BruteForceMatcher <cv::L2<float>>matcher;//匹配器  

    std::vector <cv::DMatch> matches;  

    matcher12.match(descriptor1, descriptor2, matches);  

    //绘制关键点  

    cv::Mat imgMatch;  

    cv::drawMatches(srcImg1, keyPoint1, srcImg2, keyPoint2, matches, imgMatch);  

    cv::namedWindow("匹配图", CV_WINDOW_AUTOSIZE);  

    cv::imshow("匹配图", imgMatch);  

    cv::imwrite("匹配图.jpg", imgMatch);  

    cv::waitKey(10);  

    return 0;  

}