OpenCV系列学习之（六）

opencv中knnMatch是一种蛮力匹配，基本原理是将待匹配图片的sift等特征与目标图片中的全部sift特征一对n的全量便利，找出相似度最高的前k个。当待匹配的图片增多时，需要的计算量太大，所以考虑是否可以通过降维的方式减少计算过程中的时间花费。

全景图像拼接需要用到特征匹配

一、特征匹配

1、brute—force，蛮力匹配

2、1对1匹配

把匹配的图像跟原图用线连起来

如下图

3、k对最佳匹配

此处仅对两幅图片的特征做了比较，假设sift特征数分别为sift_nb_1sift_nb_1,sift_nb_2sift_nb_2，则这一次匹配匹配的计算量>sift_nb_1∗sift_nb_2∗128∗n>sift_nb_1∗sift_nb_2∗128∗n, 对于size为（200x100）左右的图片，其特征数已经可以超过100。假如图片更大一下，带检索的目标图片数量增加时，计算量将变得更加庞大。故此处采用SVD的方式实现PCA降维sift特征，从而加快计算。

算法实现

结果展示

如上图所示，当特征点不匹配时，需要减小误差，因此用最小二乘法拟合即RANSAC，能使结果更准确。如下：

上图蓝色表示容忍范围，红色表示干扰的，当选取即爹迭代的次数越多，则拟合的曲线越好。

当要进行图像变换时，即A X H =A ，变换矩阵的求法如下，需要用对应至少四对特征点即八个方程来解矩阵方程H。