【OpenCV】opencv4 下 SIFT、SURF的使用

opencv4.0.1 的編譯完成版本已經沒有SIFT和SURF算法了， 一些算法因爲專利或者未成熟的原因，不在發佈的release版本中了，其中就包括SIFT和SURF，他們因爲專利的原因不能用於商業，在2.x版本中，放在在nofree中，而3.x版本開始，這些方法被放入了opencv_contrib中，如果想使用需要自己編譯到opencv中。
這裏需要自己編譯OpenCV4.0.1 + opencv_contrib4.0.1 具體方法可參考我的另一篇博客【OpenCV】opencv4.0.1+opencv_contrib4.0.1+VS2015的編譯

以下是實現的SUFR算法 如果使用SIFT稍微改下即可

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>

int main() 
{
	cv::Mat imageL = cv::imread("imgL.bmp");
	cv::Mat imageR = cv::imread("imgR.bmp");


	//提取特徵點方法
	//SIFT
	//cv::Ptr<cv::xfeatures2d::SIFT> sift = cv::xfeatures2d::SIFT::create();
	//ORB
	//cv::Ptr<cv::ORB> orb = cv::ORB::create();
	//SURF
	cv::Ptr<cv::xfeatures2d::SURF> surf = cv::xfeatures2d::SURF::create();
	
	//特徵點
	std::vector<cv::KeyPoint> keyPointL, keyPointR;
	//單獨提取特徵點
	surf->detect(imageL, keyPointL);
	surf->detect(imageR, keyPointR);

	//畫特徵點
	cv::Mat keyPointImageL;
	cv::Mat keyPointImageR;
	drawKeypoints(imageL, keyPointL, keyPointImageL, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	drawKeypoints(imageR, keyPointR, keyPointImageR, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

	//顯示窗口
	cv::namedWindow("KeyPoints of imageL");
	cv::namedWindow("KeyPoints of imageR");

	//顯示特徵點
	cv::imshow("KeyPoints of imageL", keyPointImageL);
	cv::imshow("KeyPoints of imageR", keyPointImageR);

	//特徵點匹配
	cv::Mat despL, despR;
	//提取特徵點並計算特徵描述子
	surf->detectAndCompute(imageL, cv::Mat(), keyPointL, despL);
	surf->detectAndCompute(imageR, cv::Mat(), keyPointR, despR);

	//Struct for DMatch: query descriptor index, train descriptor index, train image index and distance between descriptors.
	//int queryIdx –>是測試圖像的特徵點描述符（descriptor）的下標，同時也是描述符對應特徵點（keypoint)的下標。
	//int trainIdx –> 是樣本圖像的特徵點描述符的下標，同樣也是相應的特徵點的下標。
	//int imgIdx –>當樣本是多張圖像的話有用。
	//float distance –>代表這一對匹配的特徵點描述符（本質是向量）的歐氏距離，數值越小也就說明兩個特徵點越相像。
	std::vector<cv::DMatch> matches;

	//如果採用flannBased方法 那麼 desp通過orb的到的類型不同需要先轉換類型
	if (despL.type() != CV_32F || despR.type() != CV_32F)
	{
		despL.convertTo(despL, CV_32F);
		despR.convertTo(despR, CV_32F);
	}

	cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased");
	matcher->match(despL, despR, matches);

	//計算特徵點距離的最大值 
	double maxDist = 0; 
	for (int i = 0; i < despL.rows; i++)
	{
		double dist = matches[i].distance;
		if (dist > maxDist) 
			maxDist = dist;
	}

	//挑選好的匹配點
	std::vector< cv::DMatch > good_matches;
	for (int i = 0; i < despL.rows; i++)
	{
		if (matches[i].distance < 0.5*maxDist)
		{
			good_matches.push_back(matches[i]);
		}
	}



	cv::Mat imageOutput;
	cv::drawMatches(imageL, keyPointL, imageR, keyPointR, good_matches, imageOutput);

	cv::namedWindow("picture of matching");
	cv::imshow("picture of matching", imageOutput);
	cv::waitKey(0);
	return 0;
}