OpenCVSharp：学习最佳匹配矩形检测
前言今天来学习一下OpenCVSharp中最佳匹配矩形检测的例子。其过程可以分为ORB特征检测、特征匹配、最佳匹配筛选、单应性计算与矩形绘制。
效果：
实践
ORB特征检测
进行ORB特征检测：
using var img1 = new Mat(FirstImagePath, ImreadModes.Color);
using var img2 = new Mat(SecondImagePath, ImreadModes.Color);
using var orb = ORB.Create(1000);
using var descriptors1 = new Mat();
using var descriptors2 = new Mat();
orb.DetectAndCompute(img1, null, out var keyPoints1, descriptors1);
orb.DetectAndCompute(img2, null, out var keyPoints2, descriptors2);ORB（Oriented FAST and Rotated BRIEF）是一种快速高效的特征检测算法，它结合了FAST关键点检测器和BRIEF描述符，并添加了旋转不变性和尺度不变性，能够在保持较高匹配精度的同时提供极快的计算速度，特别适合实时应用和移动设备上的计算机视觉任务。
查看ORB.Create方法：
public static ORB Create(int nFeatures = 500, float scaleFactor = 1.2f, int nLevels = 8, int edgeThreshold = 31, int firstLevel = 0, int wtaK = 2, ORBScoreType scoreType = ORBScoreType.Harris, int patchSize = 31, int fastThreshold = 20)
{
NativeMethods.HandleException(NativeMethods.features2d_ORB_create(nFeatures, scaleFactor, nLevels, edgeThreshold, firstLevel, wtaK, (int)scoreType, patchSize, fastThreshold, out var returnValue));
return new ORB(returnValue);
}ORB.Create() 方法是OpenCV中用于创建ORB特征检测器的静态工厂方法，它提供了多个参数来定制ORB检测器的行为：
参数名默认值含义说明nFeatures500要保留的最大特征点数量scaleFactor1.2f金字塔缩放比率，大于1。scaleFactor=2表示经典金字塔，每下一层比上一层少4倍像素nLevels8金字塔层数。最小层尺寸等于输入图像尺寸/pow(scaleFactor, nlevels-firstLevel)edgeThreshold31不检测特征的边界区域大小，应大致匹配patchSize参数firstLevel0放置源图像的金字塔层级，之前的层级用上采样的源图像填充wtaK2生成定向BRIEF描述符每个元素所需的点数。默认值2表示取随机点对比较亮度，输出0/1响应scoreTypeHarris特征点评分类型。Harris_SCORE表示使用Harris算法对特征排序，FAST_SCORE是稍快但不太稳定的替代方案patchSize31定向BRIEF描述符使用的补丁大小，在较小的金字塔层上特征覆盖的感知图像区域会更大fastThreshold20FAST角点检测的阈值再来看下DetectAndCompute方法：
public virtual void DetectAndCompute(InputArray image, InputArray? mask, out KeyPoint[] keypoints, OutputArray descriptors, bool useProvidedKeypoints = false)
{
ThrowIfDisposed();
if (image == null)
{
throw new ArgumentNullException("image");
}
if (descriptors == null)
{
throw new ArgumentNullException("descriptors");
}
image.ThrowIfDisposed();
mask?.ThrowIfDisposed();
using VectorOfKeyPoint vectorOfKeyPoint = new VectorOfKeyPoint();
NativeMethods.HandleException(NativeMethods.features2d_Feature2D_detectAndCompute(ptr, image.CvPtr, Cv2.ToPtr(mask), vectorOfKeyPoint.CvPtr, descriptors.CvPtr, useProvidedKeypoints ? 1 : 0));
keypoints = vectorOfKeyPoint.ToArray();
GC.KeepAlive(this);
GC.KeepAlive(image);
GC.KeepAlive(mask);
descriptors.Fix();
GC.KeepAlive(descriptors);
}DetectAndCompute 是OpenCV中特征检测器类的核心方法，用于在图像中检测关键点（特征点）并计算这些点的描述符。这是计算机视觉中特征匹配、物体识别、图像拼接等应用的基础。
查看参数含义：
参数名类型含义imageInputArray输入的灰度图像，大多数特征检测器要求单通道灰度图像maskInputArray?可选的掩码，用于指定在图像的哪些区域检测特征keypointsout KeyPoint[]输出的关键点数组，包含检测到的关键点信息descriptorsOutputArray输出的描述符，包含每个关键点的描述符useProvidedKeypointsbool是否使用提供的关键点查看得到的关键点数组：
特征匹配
进行汉明特征匹配：
using var bf = new BFMatcher(NormTypes.Hamming, crossCheck: true);
var matches = bf.Match(descriptors1, descriptors2);汉明匹配是一种基于汉明距离的二进制特征描述符匹配方法，通过计算两个二进制字符串之间不同位的数量来衡量相似度，主要用于ORB、BRISK、FREAK等二进制特征描述符的快速匹配。相比传统的欧几里得距离匹配，汉明匹配具有计算速度快、内存占用小的优势，只需简单的位运算和计数操作，特别适合实时应用和移动设备场景。在OpenCV中，通常使用BFMatcher配合NormTypes.Hamming来实现，通过设置距离阈值（如ORB通常为30-70）来筛选最佳匹配，广泛应用于特征匹配、物体识别和图像拼接等计算机视觉任务中。
查看BFMatcher类的这个构造函数：
public BFMatcher(NormTypes normType = NormTypes.L2, bool crossCheck = false)
{
NativeMethods.HandleException(NativeMethods.features2d_BFMatcher_new((int)normType, crossCheck ? 1 : 0, out ptr));
detectorPtr = null;
}BFMatcher（Brute-Force Matcher，暴力匹配器）是OpenCV中用于特征描述符匹配的基础类，它通过遍历所有可能的描述符对来找到最佳匹配。
参数名类型默认值含义normTypeNormTypesNormTypes.L2距离度量类型，用于计算描述符之间的相似度crossCheckboolfalse是否启用交叉验证，确保匹配的对称性再来看下Match方法：
public DMatch[] Match(Mat queryDescriptors, Mat trainDescriptors, Mat? mask = null)
{
ThrowIfDisposed();
if (queryDescriptors == null)
{
throw new ArgumentNullException("queryDescriptors");
}
if (trainDescriptors == null)
{
throw new ArgumentNullException("trainDescriptors");
}
using VectorOfDMatch vectorOfDMatch = new VectorOfDMatch();
NativeMethods.HandleException(NativeMethods.features2d_DescriptorMatcher_match1(ptr, queryDescriptors.CvPtr, trainDescriptors.CvPtr, vectorOfDMatch.CvPtr, Cv2.ToPtr(mask)));
GC.KeepAlive(this);
GC.KeepAlive(queryDescriptors);
GC.KeepAlive(trainDescriptors);
GC.KeepAlive(mask);
return vectorOfDMatch.ToArray();
}Match 是OpenCV中描述符匹配器的核心方法，用于在两组描述符之间找到最佳匹配对。这是特征匹配流程中的关键步骤，将查询描述符与训练描述符进行一对一匹配。
参数名类型默认值含义queryDescriptorsMat-查询描述符集合，通常来自第一幅图像trainDescriptorsMat-训练描述符集合，通常来自第二幅图像maskMat?null可选掩码，用于指定哪些描述符对可以匹配返回的是DMatch结构体数组，查看这个结构体
属性名类型含义QueryIdxint查询描述符索引，指向查询描述符集合中的第几个描述符TrainIdxint训练描述符索引，指向训练描述符集合中的第几个描述符ImgIdxint训练图像索引，当有多个训练图像时指定匹配来自哪个图像Distancefloat两个描述符之间的距离，值越小表示匹配质量越好
选取最好的10个匹配：
var goodMatches = matches
.OrderBy(x => x.Distance)
.Take(10)
.ToArray();提取这些关键点坐标：
var srcPts = goodMatches.Select(m => keyPoints1.Pt).Select(p => new Point2d(p.X, p.Y));
var dstPts = goodMatches.Select(m => keyPoints2.Pt).Select(p => new Point2d(p.X, p.Y));计算单应性矩阵
using var homography = Cv2.FindHomography(srcPts, dstPts, HomographyMethods.Ransac, 5, null);查看FindHomography方法：
public static Mat FindHomography(IEnumerable<Point2d> srcPoints, IEnumerable<Point2d> dstPoints, HomographyMethods method = HomographyMethods.None, double ransacReprojThreshold = 3.0, OutputArray? mask = null, int maxIters = 2000, double confidence = 0.995)
{
if (srcPoints == null)
{
throw new ArgumentNullException("srcPoints");
}
if (dstPoints == null)
{
throw new ArgumentNullException("dstPoints");
}
Point2d[] obj = (srcPoints as Point2d[]) ?? srcPoints.ToArray();
Point2d[] array = (dstPoints as Point2d[]) ?? dstPoints.ToArray();
NativeMethods.HandleException(NativeMethods.calib3d_findHomography_vector(obj, obj.Length, array, array.Length, (int)method, ransacReprojThreshold, ToPtr(mask), maxIters, confidence, out var returnValue));
GC.KeepAlive(mask);
mask?.Fix();
return new Mat(returnValue);
}FindHomography 是OpenCV中用于计算最佳透视变换矩阵的核心方法，它能够找到将源平面点映射到目标平面点的单应性矩阵。这是计算机视觉中图像配准、拼接和三维重建的基础算法。
参数名类型默认值含义srcPointsIEnumerable-原始平面中的点坐标集合dstPointsIEnumerable-目标平面中的点坐标集合methodHomographyMethodsHomographyMethods.None计算单应性矩阵的方法ransacReprojThresholddouble3.0RANSAC方法中允许的最大重投影误差maskOutputArray?null可选输出掩码，标记内点和外点maxItersint2000RANSAC最大迭代次数confidencedouble0.995置信水平，范围0-1HomographyMethods 选项:
方法值含义适用场景HomographyMethods.None普通最小二乘法数据质量好，无外点HomographyMethods.RansacRANSAC算法存在外点和噪声HomographyMethods.Lmeds最小中值法外点比例适中HomographyMethods.RhoRHO算法对外点鲁棒性强int h = img1.Height, w = img1.Width;
var img2Bounds = new[]
{
new Point2d(0, 0),
new Point2d(0, h-1),
new Point2d(w-1, h-1),
new Point2d(w-1, 0),
};
var img2BoundsTransformed = Cv2.PerspectiveTransform(img2Bounds, homography);定义图像边界然后变换图像边界。
public static Point2d[] PerspectiveTransform(IEnumerable<Point2d> src, Mat m)
{
if (src == null)
{
throw new ArgumentNullException("src");
}
if (m == null)
{
throw new ArgumentNullException("m");
}
using Mat<Point2d> mat = Mat.FromArray(src);
using Mat<Point2d> mat2 = new Mat<Point2d>();
NativeMethods.HandleException(NativeMethods.core_perspectiveTransform_Mat(mat.CvPtr, mat2.CvPtr, m.CvPtr));
GC.KeepAlive(m);
return mat2.ToArray();
}PerspectiveTransform 是OpenCV中用于执行透视变换的核心方法，它能够对二维或三维点集合应用透视变换矩阵，实现坐标系的转换。这是图像几何变换中的基础操作，广泛应用于图像校正、拼接和增强现实等领域。
矩形绘制
using var view = img2.Clone();
var drawingPoints = img2BoundsTransformed.Select(p => (Point)p).ToArray();
Cv2.Polylines(view, new[] { drawingPoints }, true, Scalar.Red, 3);查看Polylines方法：
public static void Polylines(
Mat img,
IEnumerable<IEnumerable<Point>> pts,
bool isClosed,
Scalar color,
int thickness = 1,
LineTypes lineType = LineTypes.Link8,
int shift = 0)
{
if (img is null)
throw new ArgumentNullException(nameof(img));
if (pts is null)
throw new ArgumentNullException(nameof(pts));
img.ThrowIfDisposed();
var ptsList = new List<Point[]>();
var nptsList = new List<int>();
foreach (var pts1 in pts)
{
var pts1Arr = pts1.ToArray();
ptsList.Add(pts1Arr);
nptsList.Add(pts1Arr.Length);
}
var ptsArr = ptsList.ToArray();
var npts = nptsList.ToArray();
var ncontours = ptsArr.Length;
using var ptsPtr = new ArrayAddress2<Point>(ptsArr);
NativeMethods.HandleException(
NativeMethods.imgproc_polylines_Mat(
img.CvPtr, ptsPtr.GetPointer(), npts, ncontours, isClosed ? 1 : 0, color, thickness, (int) lineType, shift));
GC.KeepAlive(img);
}Polylines 是OpenCV中用于绘制一个或多个多边形曲线的绘图函数。它可以在图像上绘制连续的线段，形成闭合或开放的多边形形状，是计算机视觉中可视化检测结果、标注区域和绘制轮廓的重要工具。
参数名类型默认值含义imgMat-目标图像，要在其上绘制多边形ptsIEnumerable-多边形点集合的集合，每个内层集合代表一个多边形isClosedbool-是否闭合多边形，true表示闭合，false表示开放colorScalar-绘制颜色，BGR格式thicknessint1线条粗细，正数表示粗细，负数表示填充lineTypeLineTypesLineTypes.Link8线条类型，抗锯齿算法shiftint0坐标点的小数位数
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ 热心回复！
页:
[1]