我在opencv中进行关键点检测和匹配以缝合两个图像。
当图像较小时，效果很好。但是，当处理较大的图像时，检测到的关键点数量会增加，因此匹配它们要花费大量时间。但是为了缝合图像，似乎我们不需要那么多关键点。为了提高效率，有什么方法只能检测有限数量的关键点吗？
在代码中，我使用SiftFeatureDetector和SiftDiscriptorExtractor来检测关键点并提取描述符。
问候。
最佳答案
我的建议:
调整图像大小，使其变得更小，然后执行功能匹配。
一旦有了快速的解决方案(Homography)，就可以应用它，比之下一次匹配将更快。
您确实可以轻松控制功能数量。您可以提高阈值，结果将选择较少的功能。
您甚至可以将阈值包装在while()循环中。它会增加阈值，直到特征量小于N(但大于某些M)。
看我在这里发布的完整代码示例:
Calculate offset/skew/rotation of similar images in C++
关于opencv - opencv中大图像的关键点检测和匹配，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/10673918/