Wie zeichne erkanntes Objekt mit SIFT-Funktionen auf OpenCV 3.1?

Question

ich den folgenden Code bin mit Übereinstimmungen zwischen den Bildern zu finden:

#include <opencv2/highgui/highgui.hpp> 
#include <opencv2/xfeatures2d/nonfree.hpp> 
#include <opencv2/xfeatures2d.hpp> 

#include <vector> 

using namespace std; 
using namespace cv; 

int main(int argc, char *argv[]) 
{ 
    //cv::initModule_nonfree(); 
    //initModule_features2d(); 
    Mat img_1 = imread("C:/Users/Dan/Desktop/0.jpg", 1); 
    Mat img_2 = imread("C:/Users/Dan/Desktop/0.jpg", 1); 

    cv::Ptr<Feature2D> f2d = xfeatures2d::SIFT::create(); 

    //-- Step 1: Detect the keypoints: 
    std::vector<KeyPoint> keypoints_1, keypoints_2; 
    f2d->detect(img_1, keypoints_1); 
    f2d->detect(img_2, keypoints_2); 

    //-- Step 2: Calculate descriptors (feature vectors)  
    Mat descriptors_1, descriptors_2; 
    f2d->compute(img_1, keypoints_1, descriptors_1); 
    f2d->compute(img_2, keypoints_2, descriptors_2); 

    Mat out0; 
    drawKeypoints(img_1, keypoints_1, out0); 
    imshow("KeyPoint0.jpg", out0); 

    //-- Step 3: Matching descriptor vectors using BFMatcher : 
    BFMatcher matcher; 
    std::vector<DMatch> matches; 
    matcher.match(descriptors_1, descriptors_2, matches); 


    Mat img_matches = Mat::zeros(img_1.size(), CV_8UC3); 
    drawMatches(img_1,keypoints_1,img_2,keypoints_2,matches,img_matches); 
    imshow("matches", img_matches); 

    waitKey(0); // Keep window there until user presses 'q' to quit. 

    return 0; 

} 

Seit OpenCV 3.1 Funktionen geändert wurden, war ich für einen Beispiel-Code suchen, die SURF oder SIFT in meinem Fall ist, aber ich konnte es nicht finde irgendein.

Können Sie mir helfen und den Abschluss des Codes buchen, so dass es die Konturen um die erkannten Objekte wie in the code of the other version of OpenCV zeichnen wird.

Danke, Dan.

Answer 1

Sie findHomography verwenden müssen, um die Transformation zu erhalten, die Ihre Trainingsbild bezieht (img_1) mit dem Bild erkannt werden (img_2)

Dann können Sie einfach eine perspectiveTransform auf einem Begrenzungsrahmen Ihres Trainingsbild zu tun (am Ursprung) unter Verwendung der Homographie erhalten, platzieren den richtigen Begrenzungsrahmen auf dem erfassten Bild

bezogenen Code genommen von ORB detection example

Mat inlier_mask, homography; 
vector<KeyPoint> inliers1, inliers2; 
vector<DMatch> inlier_matches; 
if(matched1.size() >= 4) { 
    homography = findHomography(Points(matched1), Points(matched2), 
           RANSAC, ransac_thresh, inlier_mask); 
} 

for(unsigned i = 0; i < matched1.size(); i++) { 
    if(inlier_mask.at<uchar>(i)) { 
     int new_i = static_cast<int>(inliers1.size()); 
     inliers1.push_back(matched1[i]); 
     inliers2.push_back(matched2[i]); 
     inlier_matches.push_back(DMatch(new_i, new_i, 0)); 
    } 
} 
stats.inliers = (int)inliers1.size(); 
stats.ratio = stats.inliers * 1.0/stats.matches; 

vector<Point2f> new_bb; 
perspectiveTransform(object_bb, new_bb, homography); 
Mat frame_with_bb = frame.clone(); 
if(stats.inliers >= bb_min_inliers) { 
    drawBoundingBox(frame_with_bb, new_bb); 
} 
Mat res; 
drawMatches(first_frame, inliers1, frame_with_bb, inliers2, 
      inlier_matches, res, 
      Scalar(255, 0, 0), Scalar(255, 0, 0));