关键点检测和匹配opencv中的大图像

我正在做关键点检测和匹配opencv来缝合两个图像。关键点检测和匹配opencv中的大图像

当图像很小时，效果很好。但是当处理更大的图像时，检测到的关键点数量会增加，因此需要花费大量时间来匹配它们。但为了拼接图像，似乎我们不需要这么多关键点。为了提高效率，是否有办法只检测有限的关键点？

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

问候。

来源

2012-05-20 beaver

我的建议：

重新大小的图像，使他们变得更小，然后执行特征匹配。一旦你有一个快速解决方案（Homography）应用它，比下一个匹配将快得多。

您确实有办法轻松控制功能的数量。您可以提高阈值，因此将选择较少的功能。你甚至可以在while（）循环中包装阈值。它提高了阈值，直到特征量小于N（但比一些M大）。

看完整的代码示例我张贴在这里：

Calculate offset/skew/rotation of similar images in C++

来源

2012-05-20 13:51:43 DanielHsH

1，重新大小是一个很好的方式。在detector.detect（img，feature，mask）中使用mask参数将产生相同的结果，对吧？ 2，控制探测器获得的特征量。探测似乎并不容易，因为阈值不能在函数中设置，对吗？ – beaver

使用面罩是一种好方法，但我不确定你知道面罩应该是什么。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，在我发布的例子中有一行：Ptr detector = new SurfFeatureDetector（2000）; 2000是你需要改变的数字，通过将这条线与检测器 - >检测并将检测到的特征量相关联 – DanielHsH

关键点检测和匹配opencv中的大图像

回答

相关问题