OpenCV4开发入门教程110：FLANN特征点匹配

索引地址：系列索引

FLANN库全称是Fast Library for Approximate Nearest Neighbors（快速最近邻逼进搜索库），是一个在高维空间快速搜索近邻的库，它是目前最完整的（近似）最近邻开源库。不但实现了一系列查找算法，还包含了一种自动选取最快算法的机制。

主要优势：实现了包含kd-tree等在内的搜索算法集合，并且可以根据数据集本身特点，自动选取最适合的算法来完成k近邻搜索任务（更加确切的说是高维特征向量的匹配任务），提供了c++、c、python、matlab的接口。

#include "opencv2/core/core.hpp"
#include "opencv2/xfeatures2d.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;

int main(int argc, char **argv) {
    //【1】载入源图片
    Mat img_1 = imread("box.png", 1);
    Mat img_2 = imread("box_in_scene.png", 1);
    if (!img_1.data || !img_2.data) {
        printf("读取图片image0错误~！ \n");
        return false;
    }

    //【2】利用SURF检测器检测的关键点
    int                   minHessian = 300;
    Ptr<xfeatures2d::SURF>             detector= xfeatures2d::SURF::create(minHessian);
    std::vector<KeyPoint> keypoints_1, keypoints_2;
    detector->detect(img_1, keypoints_1);
    detector->detect(img_2, keypoints_2);

    //【3】计算描述符（特征向量）
    Ptr<xfeatures2d::SURF> extractor=xfeatures2d::SURF::create();
    Mat  descriptors_1, descriptors_2;
    extractor->compute(img_1, keypoints_1, descriptors_1);
    extractor->compute(img_2, keypoints_2, descriptors_2);

    //【4】采用FLANN算法匹配描述符向量
    FlannBasedMatcher   matcher;
    std::vector<DMatch> matches;
    matcher.match(descriptors_1, descriptors_2, matches);
    double max_dist = 0;
    double min_dist = 100;

    //【5】快速计算关键点之间的最大和最小距离
    for (int i = 0; i < descriptors_1.rows; i++) {
        double dist = matches[ i ].distance;
        if (dist < min_dist)
            min_dist = dist;
        if (dist > max_dist)
            max_dist = dist;
    }
    //输出距离信息
    printf("> 最大距离（Max dist） : %f \n", max_dist);
    printf("> 最小距离（Min dist） : %f \n", min_dist);

    //【6】存下符合条件的匹配结果（即其距离小于2* min_dist的），使用radiusMatch同样可行
    std::vector<DMatch> good_matches;
    for (int i = 0; i < descriptors_1.rows; i++) {
        if (matches[ i ].distance < 2 * min_dist) {
            good_matches.push_back(matches[ i ]);
        }
    }

    //【7】绘制出符合条件的匹配点
    Mat img_matches;
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, good_matches, img_matches, Scalar::all(-1),
                Scalar::all(-1), vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

    //【8】输出相关匹配点信息
    for (int i = 0; i < good_matches.size(); i++) {
        printf(">符合条件的匹配点 [%d] 特征点1: %d  -- 特征点2: %d  \n", i,
               good_matches[ i ].queryIdx, good_matches[ i ].trainIdx);
    }

    //【9】显示效果图
    imshow("result", img_matches);

    //按任意键退出程序
    waitKey(0);
    return 0;
}

输出为

> 最大距离（Max dist） : 0.723325 
> 最小距离（Min dist） : 0.055338 
>符合条件的匹配点 [0] 特征点1: 38  -- 特征点2: 116  
>符合条件的匹配点 [1] 特征点1: 47  -- 特征点2: 77  
>符合条件的匹配点 [2] 特征点1: 49  -- 特征点2: 77  
>符合条件的匹配点 [3] 特征点1: 70  -- 特征点2: 310  
>符合条件的匹配点 [4] 特征点1: 104  -- 特征点2: 356  
>符合条件的匹配点 [5] 特征点1: 111  -- 特征点2: 335  

效果为