从两个图像进行OpenCV转换

Question

有一个MATLAB示例，该示例匹配两个图像并输出旋转和缩放： https ： //de.mathworks.com/help/vision/examples/find-image-rotation-and-scale-using-automated-feature-matching。 HTML？requestedDomain = www.mathworks.com

我的目标是使用C ++重新创建此示例。 我使用的是关键点检测（Harris）相同的方法，这些关键点似乎与Matlab所发现的大部分相同。 到现在为止还挺好。

cv::goodFeaturesToTrack(image_grayscale, corners, number_of_keypoints, 0.01, 5, mask, 3, true, 0.04);
    for (int i = 0; i < corners.size(); i++) {
        keypoints.push_back(cv::KeyPoint(corners[i], 5));
    }

BRISK用于从关键点提取特征。

int Threshl = 120;
int Octaves = 8;
float PatternScales = 1.0f;

cv::Ptr<cv::Feature2D> extractor = cv::BRISK::create(Threshl, Octaves, PatternScales);
extractor->compute(image, mykeypoints, descriptors);

然后，使用flannbasedmatcher对这些描述符进行匹配。

cv::FlannBasedMatcher matcher;
matcher.match(descriptors32A, descriptors32B, matches);

现在的问题是我约有80％的比赛是错误的且无法使用。 对于相同的图像集，Matlab仅返回一些匹配项，而其中只有约20％的匹配项是错误的。 我尝试根据匹配距离值对C ++中的匹配进行排序，但没有成功。 值范围在300到700之间，即使距离最小的匹配也几乎完全不正确。

现在，20％的良好匹配足以计算偏移量，但是在检查错误的匹配上浪费了很多处理能力。 什么是对正确匹配进行排序的更好方法，或者我做错了什么明显的东西？

编辑：

我从Harris / BRISK切换到AKAZE，它似乎提供了更好的功能和匹配项，可以轻松地按其距离值进行排序。 唯一的缺点是更高的计算时间。 对于两张1000px宽的图像，AKAZE需要半分钟才能找到关键点（在PC上）。 我通过按比例缩小图像来减少这种情况，这可以接受大约3-5秒的时间。

Answer 1

您使用的方法会为每个点找到一个最近的邻居，无论它有多近。 共有两种策略：1.匹配集合A到集合B，将集合B到A并仅保留两个匹配中都存在的匹配。 2.使用2 knnMatch并执行比率检查，即仅保留1 NN比2 NN更近的匹配，例如d1 <0.8 * d2。

MATLAB代码使用SURF。 OpenCV还提供SURF，SIFT和AKAZE，请尝试其中一种。 比较而言，特别是SURF将很有趣。