使用 OpenCV 的 ORB 特徵檢測與匹配
本文展示如何利用 OpenCV 的 ORB 特徵檢測器，對兩張圖像進行特徵匹配，並視覺化匹配結果。
程式碼範例與註解
# 匯入必要模組
import cv2
# 加載圖片
img1 = cv2.imread('box.png')
img2 = cv2.imread('box_in_scene.png')
# 初始化 ORB 特徵檢測器
orb = cv2.ORB_create()
# 檢測並計算特徵點與描述子
kp1, des1 = orb.detectAndCompute(img1, None)
kp2, des2 = orb.detectAndCompute(img2, None)
# 初始化 BFMatcher 並匹配特徵
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)
# 按距離排序匹配結果
matches = sorted(matches, key=lambda x: x.distance)
# 繪製前 10 個匹配點
img3 = cv2.drawMatches(
img1, kp1,
img2, kp2,
matches[:10],
outImg=None,
flags=cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS
)
# 調整輸出圖像大小
width, height, channel = img3.shape
ratio = float(width) / float(height)
img3 = cv2.resize(img3, (1024, int(1024 * ratio)))
# 顯示匹配結果
cv2.imshow('image', img3)
cv2.waitKey(0)
cv2.destroyAllWindows()程式解析
• 解析命令列參數： 使用 argparse 獲取兩張輸入圖片的路徑。
• 圖片加載： 使用 cv2.imread 讀取圖片數據。
• ORB 特徵檢測： ORB (Oriented FAST and Rotated BRIEF)：一種高效的特徵檢測與描述算法，適合實時應用。
• 使用 orb.detectAndCompute 同時檢測特徵點並計算描述子。
• 特徵匹配： 使用 cv2.BFMatcher 進行特徵匹配，基於 Hamming 距離並啟用交叉檢查。
• 按距離對匹配結果排序，距離越小匹配越好。
• 繪製匹配結果： 使用 cv2.drawMatches 繪製前 10 個匹配點，方便視覺化檢查。
• 顯示結果： 使用 cv2.imshow 顯示匹配結果，按任意鍵退出視窗。
結論
本程式展示了如何使用 ORB 特徵檢測與 BFMatcher 匹配兩張圖片。ORB 是一種高效的特徵檢測算法，非常適合實時應用場景。用戶可以根據匹配結果進一步優化應用，例如圖像拼接或目標識別。
劉老師的跨域創想工坊