失眠网 > OpenCV 4.5.1 - 新版本中 BEBLID 描述符尝鲜 (基于 ubuntu / c++)

OpenCV 4.5.1 - 新版本中 BEBLID 描述符尝鲜 (基于 ubuntu / c++)

时间：2023-01-07 23:15:25

时间：0222目录

文章目录

1. OpenCV 4.5.1 发布1.1 参考资料1.2 新特性 BEBLID 描述符2. OpenCV 4.5.1 编译 (Ubuntu 18.04)2.1 源码和 contrib 模块克隆2.2 编译2.3 添加 opencv 4.5.1 的 cmake 样例3. BEBLID 描述符测试例子3.1 python 例子3.2 c++ 例子3.3 结论

1. OpenCV 4.5.1 发布

1.1 参考资料

opencv 源码 - 官方 github - tag 4.5.1 ，opencv_contrib - 官方 github - tag 4.5.1opencv 源码 - gitee镜像 - 国内 clone 快， opencv_contrib - gitee镜像 - 国内 clone 快opencv - 官方 - 4.5.1 文档4.5.1 新特性速览BEBLID 描述符的 python 例子 - 内含有 BEBLID 原始文献编译好的opecv-451本文提供的 c++ 例子源码

1.2 新特性 BEBLID 描述符

BEBLID是通过boosting学习的高效二进制描述符。只需更改scale_factor参数，就可以描述任何检测器的关键点。在几个基准测试中，它已被证明可以以相同的效率大大改进其他二进制描述符，例如ORB或BRISK。 BEBLID描述了利用KeyPoint周围图像的不同区域中的平均灰度值之差，该描述符专门针对图像匹配和补丁检索进行了优化，以解决这些问题的不对称性。

2. OpenCV 4.5.1 编译 (Ubuntu 18.04)

2.1 源码和 contrib 模块克隆

由于新的描述符位于 opencv_contrib 中的 xfeatures2d 模块，所以我们在编译源码的时候，要附带 opencv_contrib 一起编译，注意都是 4.5.1 版本。在 ubuntu 下进入你喜欢的文件路径，分别克隆源码和contrib

git clone /jqf64078/opencv_4.5.1.gitgit clone /jqf64078/opencv_contrib_4.5.1.git

2.2 编译

进入 opencv_4.5.1 路径，新建 Build 和 Install 文件夹，为了直观方便，可以使用 gui 版本的 cmake 进行参数配置。

cd opencv_4.5.1mkdir build && mkdir installsudo apt-get install cmake-qt-gui #没有的话，安装 cmake-qt-guicmake-gui

打开 cmkae-gui 界面如下，设置源码和 Build 的路径，点击Configure默认直接Finish。

本次Configure完成后，会出现一片红色，再次Configure，红色没有了，这里如果没有问题的话，cmake 的 log 窗口最后应该显示Configuring done。

由于我们的机器环境可能已经安装了其他版本的 OCV，并且安装在了系统目录下，为了避免冲突和其他库依赖发生变化的问题，我们将 4.5.1 版本编译好的库直接放在我们之前新建的 install 文件夹下，另外，使用新特性 BEBLID 描述符需要 opencv_contrib ，因此我们在这里修改 cmake-gui 中的两项配置参数：

第一项，install 路径，替换你自己的路径即可。

第二项，opencv_contrib 路径，找到之前 clone 的源码路径，注意选择modules文件夹。

![在这里插入图片描述](https://img-/0222163232664.png#pic_center)

第三项，NONFREE打开，勾选 OPENCV_ENABLE_NONFREE 否则不能使用 SURF 等算法。

再次Configure这时，由于添加了很多新的模块，需要额外下载一些文件，但是由于国内网络的原因，可能会下载失败，解决的版办法可以参考我的博客OpenCV 4.3.0 + opencv_contrib-4.3.0 在VS下的编译中的各种 #missing 问题，当然，本着方便大家的原则，我在文末直接提供了编译好的库文件。这一步如果没问题，点击Generate，成功后 log 会显示如下：

这时，我们的 cmake-gui 就可以关闭了，回到我们 opencv_4.5.1/build 下，右键打开命令行，通过上面几步已经配置好了各项参数，直接编译安装即可，编译时间可能较长，看个人电脑的配置，最终头文件和库文件都生成在了 Install 文件夹下。

cd <你的路径>/opencv_4.5.1/buildmakemake install

最后在我们的 install 文件夹下有如下四个子文件夹。我将其上传至码云gitee 可直接使用

克隆后即解压缩即可得到下面的文件

git clone /jqf64078/ocv_451_lib_read_for_use.git

2.3 添加 opencv 4.5.1 的 cmake 样例

如果是直接安装到系统目录下的 opencv， cmakelists 中只需要添加这几句即可：

find_package(OpenCV REQUIRED)include_directories( ${OpenCV_INCLUDE_DIRS} )target_link_libraries(myproject ${OpenCV_LIBS})

但是我们系统中有别的版本的 ocv，而且我们刚才编译安装到了自己建立的 install 文件夹，所以稍微增加几句

#保证该路径下有OpenCVConfig.cmake、opencv-config.cmake文件set(OpenCV_DIR 你的路径/opencv_4.5.1/install/lib/cmake/opencv4) find_package(OpenCV 4.5.1 REQUIRED) #限制版本，确保我们引入的是 451 版本include_directories( ${OpenCV_INCLUDE_DIRS} ) # 包含文件目录add_executable(工程名 main.cpp)#main 为主函数，根据自己的主函数名随意更改target_link_libraries(工程名 ${OpenCV_LIBS})# 链接库

3. BEBLID 描述符测试例子

3.1 python 例子

python 例子见参考资料，BEBLID 描述符的 python 例子 - 内含有 BEBLID 原始文献。

3.2 c++ 例子

图片是OCV自带的，我们编写 c++ 版本的例子，基于 ubuntu 18.04 + Clion，该例子已上传至码云gitee ocv451_beblid-demo，部分源码如下，重点说明，测试的流程：

首先利用ExtractKeyPoints来提取两幅图像的特征点，后面的不同描述符用同样的特征点为保持公平。然后利用MatchTwoImgsBF来计算描述符和暴力匹配特征点，主要对比 ORB 和 BEBLID 描述符。最后利用FindGoodMatches来优化匹配，其中利用了RANSAC算法，这里不再展开，详见源码。最终对比输出，在同样的特征点对下，不同的描述符最后能够得到有效匹配的点对数量即耗费时间。

void ExtractKeyPoints(Mat &img1, Mat &img2,Ptr<FeatureDetector> detector,std::vector<KeyPoint> &kpts1,std::vector<KeyPoint> &kpts2){detector->detect(img1, kpts1);detector->detect(img2, kpts2);}//find matches by BRUTEFORCE from two imgs with user-defined detector and descriptorMat MatchTwoImgsBF(Mat &img1, Mat &img2,Ptr<DescriptorExtractor> descriptor,std::vector<DMatch> &matches,std::vector<KeyPoint> &kpts1,std::vector<KeyPoint> &kpts2, float &time_cost){double t0 = getTickCount();Mat descriptors1, descriptors2;descriptor->compute(img1, kpts1, descriptors1);descriptor->compute(img2, kpts2, descriptors2);Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create(DescriptorMatcher::BRUTEFORCE);matcher->match(descriptors1, descriptors2, matches);double freq = getTickFrequency();time_cost = ((double) getTickCount() - t0) / freq;Mat img_with_matches;drawMatches(img1, kpts1, img2, kpts2, matches, img_with_matches);return img_with_matches;}Mat FindGoodMatches(Mat &img1, Mat &img2,std::vector<DMatch> &bad_matches,std::vector<DMatch> &good_matches,std::vector<KeyPoint> &kpts1,std::vector<KeyPoint> &kpts2){}

CMakeList.txt 如下，注意更换自己的编译文件的路径。

cmake_minimum_required(VERSION 3.10)project(ocv_451_beblid_demo)set(CMAKE_CXX_STANDARD 14)set(OpenCV_DIR ~/Software/opencv_4.5.1/install/lib/cmake/opencv4) #保证该路径下有OpenCVConfig.cmake、opencv-config.cmake文件find_package(OpenCV 4.5.1 REQUIRED)include_directories( ${OpenCV_INCLUDE_DIRS} )add_executable(ocv_451_beblid_demo main.cpp)target_link_libraries(ocv_451_beblid_demo ${OpenCV_LIBS})