1
重庆交通大学信息科学与工程学院
《多媒体技术》课程
实验报告/作业（7）
班 级： 物联1501
姓名-学号 ： 李怿欣
实验项目名称： 图像SIFT特征
实验项目性质： 设计性
实验所属课程： 《多媒体技术》
实验室(中心)： 南岸校区语音大楼8楼机房
指 导 教 师 ： 娄路
上机实验时间： 2018 年 5 月 19 日
2
一、实验内容
1. 理解和实践SIFT特征提取与匹配。
自己拍摄两张有部分区域重叠的照片，使用opencv的特
征提取、匹配函数实现两张图片的SIFT特征提取和匹配，并
绘制特征点在匹配前和匹配后的连线。
2. 全景图片的生成练习。
旋转相机拍摄多张室内或室外图片，然后利用opencv的相
关函数完成一幅全景图片的制作，并解释全景图片的实现过
程。
二、实验要求
1. 分组要求：每个学生独立完成，即1人1组。
2. 程序及报告文档要求：具有较好的可读性，如叙述准确、标注明
确、截图清晰等。
三、实验过程介绍
1. SIFT特征提取与匹配
#include "highgui/highgui.hpp"
教师评阅意见：
签名： 年 月 日
实验成绩：
3
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/legacy/legacy.hpp"
using namespace cv;
int main(int argc, char *argv[])
{
Mat image01 = imread("C:\\Users\\Administrator\\Desktop\\1.jpg");
Mat image02 = imread("C:\\Users\\Administrator\\Desktop\\2.jpg");
Mat image1, image2;
GaussianBlur(image01, image1, Size(3, 4), 0.5);
GaussianBlur(image02, image2, Size(3, 4), 0.5);
SiftFeatureDetector siftDetector(30);
vector keyPoint1, keyPoint2;
siftDetector.detect(image1, keyPoint1);
siftDetector.detect(image2, keyPoint2);
drawKeypoints(image1, keyPoint1, image1, Scalar::all(-1),
DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
drawKeypoints(image2, keyPoint2, image2, Scalar::all(-1),
DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
namedWindow("KeyPoints of image1", 0);
namedWindow("KeyPoints of image2", 0);
imshow("KeyPoints of image1", image1);
imshow("KeyPoints of image2", image2);
SiftDescriptorExtractor siftDescriptor;
Mat imageDesc1, imageDesc2;
4
siftDescriptor.compute(image1, keyPoint1, imageDesc1);
siftDescriptor.compute(image2, keyPoint2, imageDesc2);
BruteForceMatcher> matcher;
vector matchePoints;
matcher.match(imageDesc1, imageDesc2, matchePoints, Mat());
Mat imageOutput;
drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints, imageOutput);
namedWindow("out", 0);
imshow("out", imageOutput);
waitKey();
return 0;
}
实验结果：
原图：
5
特征提取结果：
实验中主要函数：
（1）提取特征点函数：
SiftFeatureDetector siftDetector();
（2）特征点描述函数：
siftDescriptor.compute(image1, keyPoint1, imageDesc1);
（3）特征点匹配并显示匹配结果
drawMatches(image01, keyPoint1, image02, keyPoint2, matchePoints,
imageOutput);
namedWindow("out", 0);
2. 全景图片的生成练习
6
#include
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/stitching/stitcher.hpp"
#include
using namespace cv;
using namespace std；
bool try_use_gpu = false;
vector imgs;
int main(int argc, char* argv[])
{}
Mat img = imread("C:\\Users\\Administrator\\Desktop\\1.jpg");
imgs.push_back(img);
img = imread("C:\\Users\\Administrator\\Desktop\\2.jpg");
imgs.push_back(img);
img = imread("C:\\Users\\Administrator\\Desktop\\3.jpg");
imgs.push_back(img);
Mat pano;
Stitcher stitcher = Stitcher::createDefault(false);
Stitcher::Status status = stitcher.stitch(imgs, pano);//拼接
namedWindow("all", 0);
imshow("all", pano);
imwrite("("C:\\Users\\Administrator\\Desktop\\out.jpg");", pano);
waitKey();
return 0;
}
void parseCmdArgs(int argc, char** argv)
{
for (int i = 1; i7
{
Mat img = imread(argv[i]);
if (img.empty())
{
cout << "Can't read image '" << argv[i] << "'\n";
}
imgs.push_back(img);
}
}
实验结果：
8
拼接结果：
9
拼接结果：
实验中关键函数：
（1）导入拼接图像
10
Mat img = imread("C:\\Users\\Administrator\\Desktop\\1.jpg");
imgs.push_back(img);
（2）拼接函数
Stitcher::Status status = stitcher.stitch(imgs, pano);
四、实验体会
通过这次图像SIFT特征对图像进行特征值比较处理和全景图片拼接的
实验，通过一个SIFT图像处理模块对图像进行处理，主要用几个函数来实
现对图像的特征点获取、比较和连线，实现了对图像特征值的对比和分析，
实现了图像的拼接，懂得了基本图像特征值的提取和图像全景拼接的步骤，
这次实验对以后的学习或者对于完成之后的课程设计有所帮助，基于OpenCV
对图像处理是一个不错的研究方面，也可以应用到更多的方面，对以后学习
和工作都用很大的帮助。
