java调用opencv的sift方法

简介: java调用opencv的sift方法

网络异常,图片无法展示
|


代码找了好多,但是没有java版本的


网络异常,图片无法展示
|


网络异常,图片无法展示
|


public static void TestSift(Mat image1,Mat image2) {
Mat clone1=image1.clone();
Mat src1=image1.clone();
Mat clone2=image2.clone();
Mat src2=image2.clone();
Imgproc.GaussianBlur(clone1, clone1, new Size(3, 3), 0, 0);
Imgproc.cvtColor(clone1, clone1,Imgproc.COLOR_BGR2GRAY);
Imgproc.GaussianBlur(clone2, clone2, new Size(3, 3), 0, 0);
Imgproc.cvtColor(clone2, clone2,Imgproc.COLOR_BGR2GRAY);
MatOfKeyPoint keypoints1 = new MatOfKeyPoint();
MatOfKeyPoint keypoints2 = new MatOfKeyPoint();
Mat des1=new Mat();
Mat des2=new Mat();
//  匹配的点数
SIFT sift=SIFT.create(200);
  //提取对象关键点
//  sift.detect(clone1,keypoints1);
//  sift.detect(clone2,keypoints2);
  //提取描述子
//  sift.compute(clone1,keypoints1, des1);
//  sift.compute(clone2,keypoints2, des2);
sift.detectAndCompute(clone1, new Mat(), keypoints1, des1);
sift.detectAndCompute(clone2, new Mat(), keypoints2, des2);
MatOfDMatch md=new  MatOfDMatch();
FlannBasedMatcher matcher=FlannBasedMatcher.create();
matcher.match(des1, des2, md);
double maxDist = 0;
double minDist = 50;
DMatch[] mats = md.toArray();
List<DMatch> bestMatches= new ArrayList<DMatch>();
for (int i = 0; i < mats.length; i++) {
  double dist = mats[i].distance;
  if (dist < minDist) {
    minDist = dist;
  }
  if (dist > maxDist) {
    maxDist = dist;
  }
}
System.out.println("max_dist : "+maxDist);
System.out.println("min_dist : "+minDist);
double threshold = 3 * minDist;
double threshold2 = 2 * minDist;
if (threshold2 >= maxDist){
    threshold = minDist * 1.1;
}
else if (threshold >= maxDist){
    threshold = threshold2 * 1.4;
}
if(0d==threshold) {
  threshold=0.3*maxDist;
}
System.out.println("Threshold : "+threshold);
for (int i = 0; i < mats.length; i++)
{
  //distance越小,代表DMatch的匹配率越高,
    Double dist = (double) mats[i].distance;
    System.out.println(String.format(i + " match distance best : %s", dist));
    if (dist <= threshold)
    {
        bestMatches.add(mats[i]);
        System.out.println(String.format(i + " best match added : %s", dist));
    }
}
md.fromList(bestMatches);
Mat result=new Mat();
Features2d.drawMatches(src1, keypoints1, src2, keypoints2, md, result);
HighGui.imshow("SIFT", result);
}
复制代码


knn写法


public static void TestSiftKnn(Mat image1,Mat image2) {
  //FastFeatureDetector detector = FastFeatureDetector.create(FastFeatureDetector.FAST_N);
  Mat clone1=image1.clone();
  Mat src1=image1.clone();
  Mat clone2=image2.clone();
  Mat src2=image2.clone();
  Imgproc.GaussianBlur(clone1, clone1, new Size(3, 3), 0, 0);
  Imgproc.cvtColor(clone1, clone1,Imgproc.COLOR_BGR2GRAY);
  Imgproc.GaussianBlur(clone2, clone2, new Size(3, 3), 0, 0);
  Imgproc.cvtColor(clone2, clone2,Imgproc.COLOR_BGR2GRAY);
  MatOfKeyPoint keypoints1 = new MatOfKeyPoint();
  MatOfKeyPoint keypoints2 = new MatOfKeyPoint();
  Mat des1=new Mat();
  Mat des2=new Mat();
  SIFT sift=SIFT.create(200);
  //提取对象关键点
//  sift.detect(clone1,keypoints1);
//  sift.detect(clone2,keypoints2);
  //提取描述子
//  sift.compute(clone1,keypoints1, des1);
//  sift.compute(clone2,keypoints2, des2);
  sift.detectAndCompute(clone1, new Mat(), keypoints1, des1);
  sift.detectAndCompute(clone2, new Mat(), keypoints2, des2);
  MatOfDMatch md=new  MatOfDMatch();
  FlannBasedMatcher matcher=FlannBasedMatcher.create();
  //matcher.match(des1, des2, md);
  List<Mat> matList=new ArrayList<Mat>();
  List<MatOfDMatch> mdList=new ArrayList<MatOfDMatch>();
  matList.add(des1);
    matcher.add(matList);
    matcher.train();
    matcher.knnMatch(des2, mdList, 2);
    List<DMatch> dMatchList = new ArrayList<DMatch>();
    Iterator<MatOfDMatch> ite=mdList.iterator();
    while(ite.hasNext()) {
      MatOfDMatch next=ite.next();
      if (next.toArray()[0].distance < 0.2 * next.toArray()[1].distance) {
        System.out.println(next.toArray()[0].distance+"->"+next.toArray()[1].distance);
        dMatchList.add(next.toArray()[0]);
      }else {
        ite.remove();
      }
    }
   md.fromList(dMatchList);
  Mat result=new Mat();
//  Features2d.drawMatches(src1, keypoints1, src2, keypoints2, md, result);
  Features2d.drawMatchesKnn(src1, keypoints1, src2, keypoints2, mdList, result);
  HighGui.imshow("SIFT", result);
}


相关文章
|
15天前
|
存储 Java 程序员
Java基础的灵魂——Object类方法详解(社招面试不踩坑)
本文介绍了Java中`Object`类的几个重要方法,包括`toString`、`equals`、`hashCode`、`finalize`、`clone`、`getClass`、`notify`和`wait`。这些方法是面试中的常考点,掌握它们有助于理解Java对象的行为和实现多线程编程。作者通过具体示例和应用场景,详细解析了每个方法的作用和重写技巧,帮助读者更好地应对面试和技术开发。
55 4
|
25天前
|
Java API
Java 对象释放与 finalize 方法
关于 Java 对象释放的疑惑解答,以及 finalize 方法的相关知识。
45 17
|
19天前
|
Java 测试技术 Maven
Java一分钟之-PowerMock:静态方法与私有方法测试
通过本文的详细介绍,您可以使用PowerMock轻松地测试Java代码中的静态方法和私有方法。PowerMock通过扩展Mockito,提供了强大的功能,帮助开发者在复杂的测试场景中保持高效和准确的单元测试。希望本文对您的Java单元测试有所帮助。
44 2
|
1月前
|
算法 Java Linux
java制作海报二:java使用Graphics2D 在图片上合成另一个照片,并将照片切割成头像,头像切割成圆形方法详解
这篇文章介绍了如何使用Java的Graphics2D类在图片上合成另一个照片,并将照片切割成圆形头像的方法。
49 1
java制作海报二:java使用Graphics2D 在图片上合成另一个照片,并将照片切割成头像,头像切割成圆形方法详解
|
27天前
|
Java 开发者
在Java多线程编程中,创建线程的方法有两种:继承Thread类和实现Runnable接口
【10月更文挑战第20天】在Java多线程编程中,创建线程的方法有两种:继承Thread类和实现Runnable接口。本文揭示了这两种方式的微妙差异和潜在陷阱,帮助你更好地理解和选择适合项目需求的线程创建方式。
19 3
|
29天前
|
Java 大数据 API
别死脑筋,赶紧学起来!Java之Steam() API 常用方法使用,让开发简单起来!
分享Java Stream API的常用方法,让开发更简单。涵盖filter、map、sorted等操作,提高代码效率与可读性。关注公众号,了解更多技术内容。
|
27天前
|
Java 开发者
在Java多线程编程中,选择合适的线程创建方法至关重要
【10月更文挑战第20天】在Java多线程编程中,选择合适的线程创建方法至关重要。本文通过案例分析,探讨了继承Thread类和实现Runnable接口两种方法的优缺点及适用场景,帮助开发者做出明智的选择。
17 2
|
27天前
|
安全 Java
Java多线程通信新解:本文通过生产者-消费者模型案例,深入解析wait()、notify()、notifyAll()方法的实用技巧
【10月更文挑战第20天】Java多线程通信新解:本文通过生产者-消费者模型案例,深入解析wait()、notify()、notifyAll()方法的实用技巧,包括避免在循环外调用wait()、优先使用notifyAll()、确保线程安全及处理InterruptedException等,帮助读者更好地掌握这些方法的应用。
17 1
|
27天前
|
Java 开发者
Java多线程初学者指南:介绍通过继承Thread类与实现Runnable接口两种方式创建线程的方法及其优缺点
【10月更文挑战第20天】Java多线程初学者指南:介绍通过继承Thread类与实现Runnable接口两种方式创建线程的方法及其优缺点,重点解析为何实现Runnable接口更具灵活性、资源共享及易于管理的优势。
33 1
|
27天前
|
Java
在Java多线程编程中,`wait()`和`notify()`方法的相遇如同一场奇妙的邂逅
在Java多线程编程中,`wait()`和`notify()`方法的相遇如同一场奇妙的邂逅。它们用于线程间通信,使线程能够协作完成任务。通过这些方法,生产者和消费者线程可以高效地管理共享资源,确保程序的有序运行。正确使用这些方法需要遵循同步规则,避免虚假唤醒等问题。示例代码展示了如何在生产者-消费者模型中使用`wait()`和`notify()`。
25 1
下一篇
无影云桌面