OpenCV4.4版本以后已經把SIFT跟SURF特征提取又重新get回來了，可以不需要編譯OpenCV源碼，直接下載官方預編譯版本的就可以直接使用了。但是很多人還以為必須要編譯源碼才能使用SIFT特征檢測的函數！如果還不知道SIFT特征是什么，就看這里的這篇文章就好啦。

OpenCV SIFT特征算法詳解與使用

01

創建SIFT特征提取器

下面就來驗證一下是否真的可以了，請看步驟與過程，首先創建SIFT特征提取器，實現特征點跟描述子的提取，代碼實現如下：

//?創建SIFT特征提取
auto?detector?=?SIFT::create();
vector?keypoints_obj,?keypoints_sence;
Mat?descriptors_box,?descriptors_sence;
detector->detectAndCompute(box,?Mat(),?keypoints_obj,?descriptors_box);
detector->detectAndCompute(scene,?Mat(),?keypoints_sence,?descriptors_sence);
std::cout?<

	運行打印出來的關鍵點數目分別如下：

	

	02

	特征描述子匹配

	從圖像到特征，是特征提取關鍵操作，特征描述子本質上是一系列的向量數據，它可以唯一表示一張圖像。對相似的特征進行區域匹配或者搜索，找到高度相似數據特征片段是特征匹配的主要工作。OpenCV中支持兩種特征匹配方法，分別是暴力匹配與FLANN匹配，對浮點數的特征描述子，FLANN匹配比暴力會明顯加快運算，創建FLANN實現匹配，并根據相似度排序，尋找最佳匹配得的代碼如下：
//?初始化flann匹配
vector?matches;
Ptr?matcher?=?FlannBasedMatcher::create();
matcher->match(descriptors_box,?descriptors_sence,?matches);

//?發現高質量匹配
std::cout?<

	運行結果如下：

	

	03

	單應性矩陣求解與透視變換

	這里不再贅述，這部分的代碼實現如下：
//?抽取匹配描述子對應的關鍵點
std::vector?obj_pts;
std::vector?scene_pts;
for?(size_t?i?=?0;?i??obj_corners(4);
obj_corners[0]?=?Point(0,?0);?obj_corners[1]?=?Point(box.cols,?0);
obj_corners[2]?=?Point(box.cols,?box.rows);?obj_corners[3]?=?Point(0,?box.rows);
std::vector?scene_corners(4);
perspectiveTransform(obj_corners,?scene_corners,?H);

	04

	BOX矩形框繪制

	求得最終的位置信息，根據得到四個點坐標通過多邊形繪制函數，完成繪制，這個其中有必要重點解釋一下多邊形繪制函數
void cv::polylines (       
   InputOutputArray  img,      
   InputArrayOfArrays    
   pts,   
      bool       
 isClosed,    
     const Scalar &   
     color,       
  int  
 thickness = 1, 
        int 
  lineType = LINE_8, 
        int  
 shift = 0)

	?

	?

	參數解釋如下

	?

	img表示輸入圖像

	pts表示繪制的多邊形頂點集合，必須是int類型CV_32SC

	isClosed表示是否閉合

	color表示多邊形顏色

	thickness表示線寬，注意：必須大于等于零，如果想要填充它，請用drawContours

	lineType表示對線的渲染方式

	shift表示遷移，默認為0。這個在ROI上繪制時候有用

	實現代碼如下：
//?繪制發現的對象
std::vector?pts;
for?(int?i?=?0;?i?

	編輯：黃飛

	?