SIFT特征点匹配代码

SIFT特征点匹配的代码和实验报告，需要2008的VS和openCV库。如果VS版本高的话需要下载一个2008版本的guill.gll文件。修改代码中视频路径即可实现特征点匹配。有实验报告和用例。

#include “opencv2/opencv.hpp“
#include “opencv2/nonfree/nonfree.hpp“//与SIFT相关
#include “opencv2/legacy/legacy.hpp“//与匹配器相关
#include 
using namespace std;
using namespace cv;
const int N = 1e6 + 5;
Mat srcImg2;//比对的图片
Mat myframe[N];
int cnt;


void sift_ransac（Mat img01 Mat img02）
{

	//SIFT特征检测
	SiftFeatureDetector detector;        //定义特点点检测器
	vector keypoint01 keypoint02;//定义两个容器存放特征点
	detector.detect（img01 keypoint01）;
	detector.detect（img02 keypoint02）;

	//在两幅图中画出检测到的特征点
	Mat out_img01;
	Mat out_img02;
	drawKeypoints（img01 keypoint01 out_img01）;
	drawKeypoints（img02 keypoint02 out_img02）;

	//提取特征点的特征向量（128维）
	SiftDescriptorExtractor extractor;
	Mat descriptor01 descriptor02;
	extractor.compute（img01 keypoint01 descriptor01）;
	extractor.compute（img02 keypoint02 descriptor02）;

	//匹配特征点，主要计算两个特征点特征向量的欧式距离，距离小于某个阈值则认为匹配

	BruteForceMatcher> matcher;
	vector matches;
	Mat img_matches;
	if （descriptor02.cols == 0 && descriptor02.rows == 0）
		return;
	matcher.match（descriptor01 descriptor02 matches）;
	drawMatches（img01 keypoint01 img02 keypoint02 matches img_matches）;
	//RANSAC 消除误匹配特征点 主要分为三个部分：

	//根据matches将特征点对齐将坐标转换为float类型
	vector R_keypoint01 R_keypoint02;
	for （size_t i = 0; i	{
		R_keypoint01.push_back（keypoint01[matches[i].queryIdx]）;
		R_keypoint02.push_back（keypoint02[matches[i].trainIdx]）;
	}

	//坐标转换
	vectorp01 p02;
	for （size_t i = 0; i	{
		p01.push_back（R_keypoint01[i].pt）;
		p02.push_back（R_keypoint02[i].pt）;
	}

	//利用基础矩阵剔除误匹配点
	vector RansacStatus;

	Mat Fundamental = findFundamentalMat（p01 p02 RansacStatus FM_RANSAC）;


	vector RR_keypoint01 RR_keypoint02;
	vector RR_matches;            //重新定义RR_keypoint 和RR_matches来存储新的关键点和匹配矩阵
	int index = 0;
	for （size_t i = 0; i	{
		if （RansacStatus[i] != 0）
		{
			RR_keypoint01.push_back（R_keypoint01[i]）;
			RR_keypoint02.push_back（R_keypoint02[i]）;
			matches[i].queryIdx = index;
			matches[i].trainIdx = index;
			RR_matches.push_back（matches[i]）;
			index++;
		}
	}
	Mat img_RR_matches;
	drawMatches（img01 RR_keypoint01 img02 RR_keypoint02 RR_matches img_RR_matches）;
	std::vector obj;
	std::vector scene;

	for （int i = 0; i < RR_matches.size（）; i++）
	{
		obj.push_back（RR_keypoint01[RR_matches[i].queryIdx].pt）;
		scene.push_back（RR_keypoint02[RR_matches[i].trainIdx].pt）;
	}

	if （RR_matches.size（） == 0）
	{
		myframe[cnt++] = img_RR_matches;
		return;
	}
	Mat H = findHomography（obj scene CV_RANSAC）;
	std::vector obj_corners（4）;
	obj_corners[0] = cvPoint（0 0）; obj_corners[1] = cvPoint（img01.cols 0）;
	obj_corners[2] = cvPoint（img01.cols img01.rows）; obj_corners[3] = cvPoint（0 img01.rows）;
	std::vector scene_corners（4）;

	perspectiveTransform（obj_corners scene_corners H）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-12-24 14:02  1120151964-李欣欣\
     文件    11143266  2017-12-23 17:32  1120151964-李欣欣\output.avi
     文件       10015  2017-12-23 17:17  1120151964-李欣欣\src.jpg
     文件     1311317  2017-12-23 17:27  1120151964-李欣欣\src.mp4
     文件        4478  2017-12-24 12:44  1120151964-李欣欣\源.cpp
     文件     1425310  2017-12-24 14:01  1120151964-李欣欣\程序报告.docx