C++ Opencv sift Positiondetection

Question

我使用ubuntu進行工作，Code是使用opencv的C++。 我測試了一下以檢測圖片的某些部分。它工作得很好，但現在我想在我的大局中找到位置。這裏是代碼：

#include... 
using namespace cv; 

int main(int argc, char** argv) { 



Mat img = imread("/home/ubuntu/workspace2/sift/src/inputklein.jpg",CV_LOAD_IMAGE_GRAYSCALE); 


while(1){ 
      Mat img2 =imread("/home/ubuntu/workspace2/sift/src/input.jpeg",CV_LOAD_IMAGE_GRAYSCALE); //frame 
      //initialize SIFT 
      // Create smart pointer for SIFT feature detector. 
      SIFT sift; 
      vector<KeyPoint> key_points; 
      vector<KeyPoint> key_points2; 

      //-- Step 1: Detect the keypoints using SURF Detector 
      int minHessian = 100; 
      SurfFeatureDetector detector(minHessian); 
      detector.detect(img, key_points); 
      detector.detect(img2, key_points2); 

      //-- Step 2: Calculate descriptors (feature vectors) 
      SurfDescriptorExtractor extractor; 

      Mat descriptors1; 
      Mat descriptors2; 

      extractor.compute(img, key_points, descriptors1); 
      extractor.compute(img2, key_points2, descriptors2); 


      //-- Step 3: Matching descriptor vectors using FLANN matcher 
       FlannBasedMatcher matcher; 
       std::vector<DMatch> matches; 
       matcher.match(descriptors1, descriptors2, matches); 

       double max_dist = 20; double min_dist = 10; 


       //-- Quick calculation of max and min distances between keypoints 
       for(int i = 0; i < descriptors1.rows; i++) 
       { double dist = matches[i].distance; 
        if(dist < min_dist) min_dist = dist; 
        if(dist > max_dist) max_dist = dist; 
       } 

       //std::cout<<"Max dist :"<< max_dist ; 
       //std::cout<<"Min dist :"<< min_dist ; 

       //-- Draw only "good" matches (i.e. whose distance is less than 2*min_dist, 
       //-- or a small arbitary value (0.02) in the event that min_dist is very 
       //-- small) 
       //-- PS.- radiusMatch can also be used here. 
       std::vector<DMatch> good_matches; 

       for(int i = 0; i < descriptors1.rows; i++) 
       { if(matches[i].distance <= max(2*min_dist, 0.02)) 
        { good_matches.push_back(matches[i]); } 
       } 

       //-- Draw only "good" matches 
       Mat img_matches; 
       drawMatches(img, key_points, img2, key_points2, 
          good_matches, img_matches, Scalar::all(-1), Scalar::all(-1), 
          vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); 


       //std::cout<<key_points[1].pt.x<<"\n"; 
       //std::cout<<key_points2[1].pt.y<<"\n"; 



    //-- 3. Apply the classifier to the frame 


     cv::imshow("test", img_matches); //img_matches 
     waitKey(30); 
} 

return 0; 
} 

好吧，但我怎麼能得到的位置礦最關鍵的地方。有人能給我一個提示，我該如何理解它？ 我看到我可以使用像這樣的東西： 「key_points [1] .pt.x」或與y，但我不必檢查它到每個x，y地點嗎？ 接下來會是： good_matches [1] .queryIdx但這裏是同樣的問題。我如何找到它的位置？

1. 對我來說一個很大的問題，爲什麼只有一個循環而已？ 它不應該在行和列？在我的目的地它應該像在一個數組（x，y）中工作，我檢查每個位置，如果它是相同的...（有沒有簡單的數據類型的問題...）

2. 哪裏可以找到/或drawMatches的代碼的位置（例如）。 正常的方式，我會嘗試「公開聲明」（使用Eclipse，C++），但我只看到頭，而不是真正的功能。 我需要的代碼，並希望我能夠改變這一切，而不OpenCV的，也許我可以做環......所以我必須明白，我怎麼能閱讀和使用矢量DMatch ...

THX您的幫助。 最好的問候，

Answer 1

如果我把你很好，你會找到關鍵點的位置和分類他們。要知道關鍵點的位置，您需要做一個bucle穿過關鍵點矢量並將其保存在矩陣中。

然後，當你可以比較這些關鍵點與圖像區域（無論你想要的）的位置並根據圖像中的區域對它們進行分類。

Mat pointsInFirstAreaRight, pointInFirstAreaLeft; 
    for (int i = 0; i < 2; i++){ 
      for(vector<DMatch>::const_iterator it = keypoints[i].begin(); it!= keypoints[i].end(); ++it){ 
       // Get the position of keypoints 
       float x = [it->queryIdx].pt.x; 
       float y = [it->queryIdx].pt.y; 

       //If the point detected are in the 20 first pixels 
       if ((x < 20) && (y > 20)) 
       { 
         //Classify this point in this area 
         if (i == 0) 
         pointsInFirstAreaRight.push_back(Point2f(x, y)); 
         else if (i == 1) 
         pointsInFistAreaLeft.push_back(Point2f(x, y)); 
        } 
      } 
    } 

關於sift函數，它可以在同一時間執行檢測和提取器。我用它在我的代碼是這樣的：

> SIFT sift; 
>   
>   /* get keypoints on the images */ 
>   sift(imagenI, Mat(), keypoints[0], descriptors[0]); 
>   sift(imagenD, Mat(), keypoints[1], descriptors[1]); 

，然後我發現一個關鍵點爲Extrac點的描述。

然後我只需要做匹配。

我希望能幫到你。