opencv上的图像匹配

1.概述

在先前关于模板匹配的讲解中，已指出该方法属于基于灰度值的匹配方式。而基于特征的匹配方法则包括FAST、SIFT、SURF等多种技术，上述两篇文献已分别介绍了如何利用SURF算法完成特征点检测，并采用暴力匹配（BruteForceMatcher）与最近邻匹配（FLANN）两种方式进行特征点匹配。接下来将进一步探讨如何借助SURF算法提取的特征点及匹配对实现图像的匹配过程。

采用SURF算法进行图像匹配的基本流程如下：首先识别目标物体中的关键特征点；随后计算这些特征点对应的描述子；接着通过BruteForceMatcher或FLANN方法完成特征点之间的匹配；之后对所获得的匹配特征点执行透视变换操作findHomography()；利用得到的透视矩阵进行perspectiveTransform()处理；最后绘制出目标物体在图像中的轮廓形状。

2. OpenCV API

透视变换
findHomography()
此函数的功能是确定图像原始平面与目标图像平面之间的透视变换矩阵H，并将其返回，具体形式如下：

因此，反向投影所产生的误差

该函数的目标是实现最小化过程。当参数method被