opencv AKAZE 局部特征匹配算法

AKAZE 局部特征匹配 级联分类器使用 等比例缩放图片 给图片加logo 鱼眼校正 智能答卷识别 opencv滤镜效果 灰度图像增强方式

基础知识点

AKAZE特征提取算法是局部特征描述子算法，是SIFT算法的改进、采用非线性扩散滤波迭代来提取与构建尺度空间、采用与SIFT类似的方法寻找特征点， 1 在描述子生成阶段采用ORB类似的方法生成描述子 2 描述子比ORB多了旋转不变性特征 3 ORB采用LDB方法，KAZE采用 M-LDB。

orb算法获取尺度不变性，构建了图像金字塔，在金字塔的每一层上都检测关键点。AKAZE则是改进算法。实际上，把AKAKE改成ORB就是执行ORB算法

//opencv里面，修改算法名称即可

 Ptr detector = ORB::create(minHessian);/
 Ptr detector = AKAZE::create();

找出关键点很简单，就是下面做法

vector keypoints;
detector->detect(src, keypoints, Mat());//找出关键点

show me the code

#include 
#include 
#include 

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
	Mat img1 = imread("in.jpg", IMREAD_GRAYSCALE);
	Mat img2 = imread("big2.jpg", IMREAD_GRAYSCALE);
	if (img1.empty() || img2.empty()) {
		printf("could not load images...\n");
		return -1;

	}
	imshow("box image", img1);
	imshow("scene image", img2);


	// extract akaze features
	Ptr detector = AKAZE::create();
	vector keypoints_obj;
	vector keypoints_scene;
	Mat descriptor_obj, descriptor_scene;
	detector->detectAndCompute(img1, Mat(), keypoints_obj, descriptor_obj);
	detector->detectAndCompute(img2, Mat(), keypoints_scene, descriptor_scene);


	// matching
	FlannBasedMatcher matcher(new flann::LshIndexParams(20, 10, 2));
	//FlannBasedMatcher matcher;
	vector matches;
	matcher.match(descriptor_obj, descriptor_scene, matches);

	// draw matches(key points)
	Mat akazeMatchesImg;
	/*
	drawMatches(img1, keypoints_obj, img2, keypoints_scene, matches, akazeMatchesImg);
	imshow("akaze match result", akazeMatchesImg);*/

	vector goodMatches;
	double minDist = 100000, maxDist = 0;
	for (int i = 0; i