【C++】特征描述自识别实验，SIFT算法初体验

PythonCharm，OpenCV等安装配置见上一篇博客。

首先，Surf算法和SIFT算法在OpenCV3.3的Release版本中不存在，其存放在opencv_contrib目录下面的未稳定功能模块。

第一步，重新编译OpenCV3.3，配置opencv_contrib。

注意opencv_contrib版本号要与opencv一致，cmake版本号也不能太高，我下载的是opencv_contrib3.3.0，cmake3.8。

opencv_contrib下载地址：https://github.com/opencv/opencv_contrib/releases

cmake下载地址：https://cmake.org/files

配置contrib详情见大牛的:https://blog.csdn.net/linshuhe1/article/details/51221015

这一步很麻烦，我试了好久……因为cmake和opencv_contrib版本号的问题。

注意！！！！在cmake环节选择编译器一定要选择相应VS的win64版本编译！！因为跟着配置教程走，属于换成win64，浪费了好久的时间。！

最后成功。

编译成功后，你会在myinstall文件夹目录下看到一系列附加库。

第二步，配置，包含VS，环境变量配置。

环境变量：在高级-环境变量-Path里添加opencv3.3.0的bin目录 + myinstall 的 bin 目录；

在VS的属性管理器中，Debugx64-VC++目录-library-分别添加opencv3.3.0本身，myinstall的lib目录；在include-分别添加opencv3.3.0本身，myinstall的include目录。

第三步，运行程序。

附上VS2017+opencv3.3.0+opencv_contrib3.3.0的SIFT程序。

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/features2d.hpp>
#include <opencv2/core.hpp>
#include <iostream>  
#include <vector>   

using namespace cv;
using namespace std;
using namespace cv::xfeatures2d;

int main(int argc, char *argv[])
{
	
	Mat image01 = imread("03.jpg");
	Mat image02 = imread("04.jpg");

	Mat image1, image2;
	//高斯滤波
	GaussianBlur(image01, image1, Size(3, 3), 0, 0);
	GaussianBlur(image02, image2, Size(3, 3), 0, 0);

	imshow("KeyPoints of image1", image1);
	imshow("KeyPoints of image2", image2);

	Ptr<Feature2D> f2d = SIFT::create(20); //第一个值为特征点数量
	//检测特征点
	vector<KeyPoint> keyPoint1, keyPoint2;
	f2d->detect(image1, keyPoint1);
	f2d->detect(image2, keyPoint2);
	cout << "Step:01" << endl;

	//在图像上全出特征点
	drawKeypoints(image1, keyPoint1, image1, Scalar(255, 0, 0), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	drawKeypoints(image2, keyPoint2, image2, Scalar(255, 0, 0), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	//显示图像
	namedWindow("KeyPoints of image1", 0);
	namedWindow("KeyPoints of image2", 0);

	imshow("KeyPoints of image1", image1);
	imshow("KeyPoints of image2", image2);

	cout << "Step:02" << endl;

	// 特征点描述，为下面特征点匹配做准备
	//SiftDescriptorExtractor siftDescriptor;  //opencv2.4.9中的用法
	Ptr<SIFT> extractor = SIFT::create();
	Mat imageDesc1, imageDesc2;
	extractor->compute(image1, keyPoint1, imageDesc1);
	extractor->compute(image2, keyPoint2, imageDesc2);

	//匹配图像
	BFMatcher matcher;
	vector<DMatch> matchePoints;
	//matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());
	matcher.match(imageDesc1, imageDesc2, matchePoints);
	Mat imageOutput;
	drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints, imageOutput);
	//显示匹配后图像
	namedWindow("Mathch Points", 0);
	imshow("Mathch Points", imageOutput);

	waitKey(); //等待
	return 0;

实验结果：

当当当！测试成功。