BRISK演算法學習

未完。。待續。

參考**：

未完成的講解部落格。

brisk的中文翻譯。

brisk作者官網。

brisk演算法可以不嚴格的實現實時運算。**原文與現有的stat_of_the_art演算法進行時間和效率比較圖如下：

可以看出實現一次匹配需要39+29 = 68ms，每秒鐘可以計算14張。

與freak 、orb演算法相同，opencv也實現了brisk。也可以檢視brisk作者提供的**也可以檢視opencv實現的**，在看作者提供的**的時候一定要使用opencv2.2，版本不能太高，因為高版本已經實現了brisk演算法有些class會衝突，而導致不能使用。如果看**，建議看作者提供的，作者提供的暴露了更多的介面；如果僅僅為了使用，建議使用opencv提供的，opencv提供的bug要少，更健壯些。

演算法的粗略歸納：

1.生成影象金字塔。2.使用fast演算法檢測角點。3.對fast計算出的角點進行非最大值抑制，去掉不符合條件的角點。

#include "highgui.h"  

#include "cv.h" 
#include "vector" 
#include "opencv\cxcore.hpp" 
#include "iostream" 
#include "opencv.hpp" 
#include#includeusing namespace cv; 
using namespace std; 
#includeint main()//(int argc, _tchar* argv) 
//sift feature detect 
cv::brisk detector; 
std::vectorkp1, kp2; 
double start = gettickcount();
detector.detect( src1, kp1 ); 
detector.detect( src2, kp2 ); 
//cv::brisk extractor; 
mat des1,des2;//descriptor 
detector.compute(src1,kp1,des1); 
detector.compute(src2,kp2,des2); 
mat res1,res2; 
int drawmode = drawmatchesflags::draw_rich_keypoints; 
drawkeypoints(c_src1,kp1,res1,scalar::all(-1),drawmode);//在記憶體中畫出特徵點 
drawkeypoints(c_src2,kp2,res2,scalar::all(-1),drawmode); 
cout<
matcher.match(des1,des2,matches); 
double end = gettickcount();
cout
cout<
#include "highgui.h" 
#include "cv.h" 
#include "vector" 
#include "opencv\cxcore.hpp" 
#include "iostream" 
#include "opencv.hpp" 
#include#includeusing namespace cv; 
using namespace std; 
#includeint main()//(int argc, _tchar* argv) 
return 0; 
}

演算法學習 Union Find演算法

union find演算法有它的實際用途。多用於動態連通的應用場景。union find演算法是 給出兩個節點，判斷它們是否連通，如果連通，是不需要給出具體的路徑的 舉兩個例子作為主要表現 1 在網路連線中，當發現沒有連線的兩個節點，可以把他們連線起來，一旦節點都連線起來，又能把多餘的線拆除，這時候...

演算法學習 KM演算法

km演算法 用於求二分圖的最佳完美匹配 即權值最大的完美匹配 如果你也是個剛來學習km演算法的人 大概的用途肯定還是知道的吧 還是直接說重點吧 首先 理解km演算法前 必須有以下3個概念 1.可行頂標 對於乙個賦值二分圖g x,y,e,w x,y 代表二分圖的兩邊頂點標號 e代表邊 w代表邊的權值 ...

演算法 演算法學習01

貪婪 可以理解為最簡單基礎的求解方式，特點是 短視性 從這個特點入手很容易理解每一步取其最優的原理。雖然最終結果不一定是最好的，但是一定是較好的而且是最簡便的。因此在不過分追求最優結果或者對速度的要求高於結果的情況下，貪婪是不錯的選擇。分治可以理解為大事化小小事好搞，與貪婪的每一步的 串聯 不同，分...