包 org.opencv.xfeatures2d

类 Xfeatures2d

  • public class Xfeatures2d
extends java.lang.Object

    • 构造函数详情

      • Xfeatures2d

        public Xfeatures2d()

    • 方法详情

      • matchGMS

        public static void matchGMS​(Size size1,
                            Size size2,
                            MatOfKeyPoint keypoints1,
                            MatOfKeyPoint keypoints2,
                            MatOfDMatch matches1to2,
                            MatOfDMatch matchesGMS,
                            boolean withRotation,
                            boolean withScale,
                            double thresholdFactor)
        GMS（基于网格的运动统计）特征匹配策略，如 CITE: Bian2017gms 中所述。
        参数
        size1 - 图片1的输入大小。
        size2 - 图片2的输入大小。
        keypoints1 - 图片1的输入关键点。
        keypoints2 - 图片2的输入关键点。
        matches1to2 - 输入的1-最近邻匹配。
        matchesGMS - GMS 匹配策略返回的匹配结果。
        withRotation - 考虑旋转变换。
        withScale - 考虑尺度变换。
        thresholdFactor - 值越高，匹配越少。**注意：**由于 GMS 在特征数量较多时效果较好，我们建议使用 ORB 特征并将 FastThreshold 设置为 0 以快速获得尽可能多的特征。如果匹配结果不理想，请增加更多特征。（对于 640 X 480 的图像，我们使用 10000）。如果您的图像具有较大的旋转和尺度变化，请将 withRotation 或 withScale 设置为 true。

      • matchGMS

        public static void matchGMS​(Size size1,
                            Size size2,
                            MatOfKeyPoint keypoints1,
                            MatOfKeyPoint keypoints2,
                            MatOfDMatch matches1to2,
                            MatOfDMatch matchesGMS,
                            boolean withRotation,
                            boolean withScale)
        GMS（基于网格的运动统计）特征匹配策略，如 CITE: Bian2017gms 中所述。
        参数
        size1 - 图片1的输入大小。
        size2 - 图片2的输入大小。
        keypoints1 - 图片1的输入关键点。
        keypoints2 - 图片2的输入关键点。
        matches1to2 - 输入的1-最近邻匹配。
        matchesGMS - GMS 匹配策略返回的匹配结果。
        withRotation - 考虑旋转变换。
        withScale - 考虑尺度变换。**注意：**由于 GMS 在特征数量较多时效果较好，我们建议使用 ORB 特征并将 FastThreshold 设置为 0 以快速获得尽可能多的特征。如果匹配结果不理想，请增加更多特征。（对于 640 X 480 的图像，我们使用 10000）。如果您的图像具有较大的旋转和尺度变化，请将 withRotation 或 withScale 设置为 true。

      • matchGMS

        public static void matchGMS​(Size size1,
                            Size size2,
                            MatOfKeyPoint keypoints1,
                            MatOfKeyPoint keypoints2,
                            MatOfDMatch matches1to2,
                            MatOfDMatch matchesGMS,
                            boolean withRotation)
        GMS（基于网格的运动统计）特征匹配策略，如 CITE: Bian2017gms 中所述。
        参数
        size1 - 图片1的输入大小。
        size2 - 图片2的输入大小。
        keypoints1 - 图片1的输入关键点。
        keypoints2 - 图片2的输入关键点。
        matches1to2 - 输入的1-最近邻匹配。
        matchesGMS - GMS 匹配策略返回的匹配结果。
        withRotation - 考虑旋转变换。**注意：**由于 GMS 在特征数量较多时效果较好，我们建议使用 ORB 特征并将 FastThreshold 设置为 0 以快速获得尽可能多的特征。如果匹配结果不理想，请增加更多特征。（对于 640 X 480 的图像，我们使用 10000）。如果您的图像具有较大的旋转和尺度变化，请将 withRotation 或 withScale 设置为 true。

      • matchGMS

        public static void matchGMS​(Size size1,
                            Size size2,
                            MatOfKeyPoint keypoints1,
                            MatOfKeyPoint keypoints2,
                            MatOfDMatch matches1to2,
                            MatOfDMatch matchesGMS)
        GMS（基于网格的运动统计）特征匹配策略，如 CITE: Bian2017gms 中所述。
        参数
        size1 - 图片1的输入大小。
        size2 - 图片2的输入大小。
        keypoints1 - 图片1的输入关键点。
        keypoints2 - 图片2的输入关键点。
        matches1to2 - 输入的1-最近邻匹配。
        matchesGMS - GMS 匹配策略返回的匹配结果。**注意：**由于 GMS 在特征数量较多时效果较好，我们建议使用 ORB 特征并将 FastThreshold 设置为 0 以快速获得尽可能多的特征。如果匹配结果不理想，请增加更多特征。（对于 640 X 480 的图像，我们使用 10000）。如果您的图像具有较大的旋转和尺度变化，请将 withRotation 或 withScale 设置为 true。

      • matchLOGOS

        public static void matchLOGOS​(MatOfKeyPoint keypoints1,
                              MatOfKeyPoint keypoints2,
                              MatOfInt nn1,
                              MatOfInt nn2,
                              MatOfDMatch matches1to2)
        LOGOS（用于高异常值空间验证的局部几何支持）特征匹配策略，如 CITE: Lowry2018LOGOSLG 中所述。
        参数
        keypoints1 - 图片1的输入关键点。
        keypoints2 - 图片2的输入关键点。
        nn1 - 图片1每个描述符的最近 BoW 中心索引。
        nn2 - 图片2每个描述符的最近 BoW 中心索引。
        matches1to2 - LOGOS 匹配策略返回的匹配结果。**注意：**此匹配策略适用于针对大型数据库的特征匹配。第一步包括从具有代表性的图像数据库中构建词袋 (BoW)。然后，图像描述符由其最接近的码向量（最近的 BoW 中心）表示。