doc/tutorials/features2d/feature_flann_matcher/feature_flann_matcher.rst

   1 .. _feature_flann_matcher:
   2
   3 Feature Matching with FLANN
   4 ****************************
   5
   6 Goal
   7 =====
   8
   9 In this tutorial you will learn how to:
  10
  11 .. container:: enumeratevisibleitemswithsquare
  12
  13    * Use the :flann_based_matcher:`FlannBasedMatcher<>` interface in order to perform a quick and efficient matching by using the :flann:`FLANN<>` ( *Fast Approximate Nearest Neighbor Search Library* )
  14
  15
  16 Theory
  17 ======
  18
  19 Code
  20 ====
  21
  22 This tutorial code's is shown lines below.
  23
  24 .. code-block:: cpp
  25
  26     /**
  27      * @file SURF_FlannMatcher
  28      * @brief SURF detector + descriptor + FLANN Matcher
  29      * @author A. Huaman
  30      */
  31
  32     #include <stdio.h>
  33     #include <iostream>
  34     #include <stdio.h>
  35     #include <iostream>
  36     #include "opencv2/core.hpp"
  37     #include "opencv2/features2d.hpp"
  38     #include "opencv2/imgcodecs.hpp"
  39     #include "opencv2/highgui.hpp"
  40     #include "opencv2/xfeatures2d.hpp"
  41
  42     using namespace std;
  43     using namespace cv;
  44     using namespace cv::xfeatures2d;
  45
  46     void readme();
  47
  48     /**
  49      * @function main
  50      * @brief Main function
  51      */
  52     int main( int argc, char** argv )
  53     {
  54       if( argc != 3 )
  55       { readme(); return -1; }
  56
  57       Mat img_1 = imread( argv[1], IMREAD_GRAYSCALE );
  58       Mat img_2 = imread( argv[2], IMREAD_GRAYSCALE );
  59
  60       if( !img_1.data || !img_2.data )
  61       { std::cout<< " --(!) Error reading images " << std::endl; return -1; }
  62
  63       //-- Step 1: Detect the keypoints using SURF Detector
  64       int minHessian = 400;
  65
  66       SurfFeatureDetector detector( minHessian );
  67
  68       std::vector<KeyPoint> keypoints_1, keypoints_2;
  69
  70       detector.detect( img_1, keypoints_1 );
  71       detector.detect( img_2, keypoints_2 );
  72
  73       //-- Step 2: Calculate descriptors (feature vectors)
  74       SurfDescriptorExtractor extractor;
  75
  76       Mat descriptors_1, descriptors_2;
  77
  78       extractor.compute( img_1, keypoints_1, descriptors_1 );
  79       extractor.compute( img_2, keypoints_2, descriptors_2 );
  80
  81       //-- Step 3: Matching descriptor vectors using FLANN matcher
  82       FlannBasedMatcher matcher;
  83       std::vector< DMatch > matches;
  84       matcher.match( descriptors_1, descriptors_2, matches );
  85
  86       double max_dist = 0; double min_dist = 100;
  87
  88       //-- Quick calculation of max and min distances between keypoints
  89       for( int i = 0; i < descriptors_1.rows; i++ )
  90       { double dist = matches[i].distance;
  91         if( dist < min_dist ) min_dist = dist;
  92         if( dist > max_dist ) max_dist = dist;
  93       }
  94
  95       printf("-- Max dist : %f \n", max_dist );
  96       printf("-- Min dist : %f \n", min_dist );
  97
  98       //-- Draw only "good" matches (i.e. whose distance is less than 2*min_dist,
  99       //-- or a small arbitary value ( 0.02 ) in the event that min_dist is very
 100       //-- small)
 101       //-- PS.- radiusMatch can also be used here.
 102       std::vector< DMatch > good_matches;
 103
 104       for( int i = 0; i < descriptors_1.rows; i++ )
 105       { if( matches[i].distance <= max(2*min_dist, 0.02) )
 106         { good_matches.push_back( matches[i]); }
 107       }
 108
 109       //-- Draw only "good" matches
 110       Mat img_matches;
 111       drawMatches( img_1, keypoints_1, img_2, keypoints_2,
 112                    good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),
 113                    vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );
 114
 115       //-- Show detected matches
 116       imshow( "Good Matches", img_matches );
 117
 118       for( int i = 0; i < (int)good_matches.size(); i++ )
 119       { printf( "-- Good Match [%d] Keypoint 1: %d  -- Keypoint 2: %d  \n", i, good_matches[i].queryIdx, good_matches[i].trainIdx ); }
 120
 121       waitKey(0);
 122
 123       return 0;
 124     }
 125
 126     /**
 127      * @function readme
 128      */
 129     void readme()
 130     { std::cout << " Usage: ./SURF_FlannMatcher <img1> <img2>" << std::endl; }
 131
 132
 133 Explanation
 134 ============
 135
 136 Result
 137 ======
 138
 139 #. Here is the result of the feature detection applied to the first image:
 140
 141    .. image:: images/Featur_FlannMatcher_Result.jpg
 142       :align: center
 143       :height: 250pt
 144
 145 #. Additionally, we get as console output the keypoints filtered:
 146
 147    .. image:: images/Feature_FlannMatcher_Keypoints_Result.jpg
 148       :align: center
 149       :height: 250pt