關鍵點檢測和匹配opencv中的大圖像

我正在做關鍵點檢測和匹配opencv來縫合兩個圖像。關鍵點檢測和匹配opencv中的大圖像

當圖像很小時，效果很好。但是當處理更大的圖像時，檢測到的關鍵點數量會增加，因此需要花費大量時間來匹配它們。但爲了拼接圖像，似乎我們不需要這麼多關鍵點。爲了提高效率，是否有辦法只檢測有限的關鍵點？

在代碼中，我使用SiftFeatureDetector和SiftDiscriptorExtractor來檢測關鍵點並提取描述符。

問候。

來源

2012-05-20 beaver

我的建議：

重新大小的圖像，使他們變得更小，然後執行特徵匹配。一旦你有一個快速解決方案（Homography）應用它，比下一個匹配將快得多。

您確實有辦法輕鬆控制功能的數量。您可以提高閾值，因此將選擇較少的功能。你甚至可以在while（）循環中包裝閾值。它提高了閾值，直到特徵量小於N（但比一些M大）。

看完整的代碼示例我張貼在這裏：

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

來源

2012-05-20 13:51:43 DanielHsH

1，重新大小是一個很好的方式。在detector.detect（img，feature，mask）中使用mask參數將產生相同的結果，對吧？ 2，控制探測器獲得的特徵量。探測似乎並不容易，因爲閾值不能在函數中設置，對嗎？ – beaver

使用面罩是一種好方法，但我不確定你知道面罩應該是什麼。你怎麼能提前知道哪裏可以找到好的功能？關於功能的數量，在我發佈的例子中有一行：Ptr detector = new SurfFeatureDetector（2000）; 2000是你需要改變的數字，通過將這條線與檢測器 - >檢測並將檢測到的特徵量相關聯 – DanielHsH

關鍵點檢測和匹配opencv中的大圖像

回答

相關問題