这篇文章主要为大家展示了“C++ OpenCV特征提取之如何实现KAZE和AKAZE的匹配”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“C++ OpenCV特征提取之如何实现KAZE和AKAZE的匹配”这篇文章吧。
站在用户的角度思考问题，与客户深入沟通，找到华宁网站设计与华宁网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站制作、做网站、企业官网、英文网站、手机端网站、网站推广、域名申请、网站空间、企业邮箱。业务覆盖华宁地区。
代码演示
我们再新建一个项目名为opencv-kazedemo，按照配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法，下在的代码我们是直接用了前面两张介绍KAZE的描述子的代码直拷贝过来的，所以我这就直接贴过来了，我们一会儿会在这个代码的基础上进行修改匹配。
下面我们来整体改造一下：
因为要进行匹配，所以我们也要按FLANN的方式用到两张图，还是我们原来用FLAAN的那两张。
把原来的src改为了src1和src2了，加载了两张要对比的图。
KAZE
然后定义KAZE的匹配方法，把src1和src2找到的keypoints都存到descriptor里面。
再用Flann的方式进行匹配
画出匹配的关键点
到这里我们先运行一下看看效果
可以看出画上对应匹配的非常多，这样应该是不对的，所以我们还是要用到前面章节学到的，需要寻找最好的匹配。
我们写入再找到最好的匹配代码加进去，然后在drawmatch里面改为画上最好匹配的代码
然后重新显示一下效果
这次可以看到寻找最好的匹配后，不会像刚才那样感觉匹配的非常乱了。
AKAZE
接下来我们直接换一下AKAZE看看效果
我们把原来的KAZE直接改为AKAZE运行，结果发现报错。找了原因改了一下发现是FLANN的匹配就会报错，这样我们改为BFMATCH的匹配。
然后重新运行一下看看结果
对比了上面的KAZE的结果明显能看出来匹配的特征点要少了不少，而且相对的用时也要比KAZE的时间少了一些。
以上是“C++ OpenCV特征提取之如何实现KAZE和AKAZE的匹配”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！