Я пробую совершенно новый дескриптор FREAK из последней версии OpenCV после freak_demo.cpp пример. Вместо использования SURF я использую FAST. Мой основной код выглядит примерно так:
std::vector<KeyPoint> keypointsA, keypointsB;
Mat descriptorsA, descriptorsB;
std::vector<DMatch> matches;
FREAK extractor;
BruteForceMatcher<Hamming> matcher;
FAST(imgA,keypointsA,100);
FAST(imgB,keypointsB,20);
extractor.compute( imgA, keypointsA, descriptorsA );
extractor.compute( imgB, keypointsB, descriptorsB );
matcher.match(descriptorsA, descriptorsB, matches);
При выполнении согласование всегда есть некоторые уточняющие шаги для избавления от выбросов.
Я обычно отбрасываю матчи, которые имеют расстояние над порогом, например:
for (int i = 0; i < matches.size(); i++ )
{
if(matches[i].distance > 200)
{
matches.erase(matches.begin()+i-1);
}
}
Затем я использую RANSAC чтобы увидеть, какие совпадения соответствуют модели гомографии. OpenCV имеет функцию для этого:
for( int i = 0; i < matches.size(); i++ )
{
trainMatches.push_back( cv::Point2f(keypointsB[ matches[i].trainIdx ].pt.x/500.0f, keypointsB[ matches[i].trainIdx ].pt.y/500.0f) );
queryMatches.push_back( cv::Point2f(keypointsA[ matches[i].queryIdx ].pt.x/500.0f, keypointsA[ matches[i].queryIdx ].pt.y/500.0f) );
}
Mat h = cv::findHomography(trainMatches,queryMatches,CV_RANSAC,0.005, status);
И я просто рисую вкладыши:
for(size_t i = 0; i < queryMatches.size(); i++)
{
if(status.at<char>(i) != 0)
{
inliers.push_back(matches[i]);
}
}
Mat imgMatch;
drawMatches(imgA, keypointsA, imgB, keypointsB, inliers, imgMatch);
Просто попробуйте разные пороги и расстояния, пока не получите желаемый результат.
Вы также можете обучить дескриптор, предоставив свои собственные выбранные пары. И настройте параметры в конструкторе.
explicit FREAK( bool orientationNormalized = true
, bool scaleNormalized = true
, float patternScale = 22.0f
, int nbOctave = 4
, const vector<int>& selectedPairs = vector<int>()
);
Кстати, более эффективная версия FREAK уже в пути 🙂