C++opencv识别多张图的特征点并显示

可以使用多种算法来实现多张图像的特征点识别，常见的有SIFT（尺度不变特征变换）、SURF（加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF）、AKAZE（加速KAZE）等。其中，AKAZE是最新的一种算法，能够在旋转、缩放、光照等方面具有良好的稳定性。

以下是使用AKAZE算法识别多张图像的特征点并显示的C++代码片段：

#include <opencv2/opencv.hpp>

using namespace cv;

int main(int argc, char** argv)
{
    std::vector<Mat> images;
    //读入多张图像, 保存到vector容器中
    for(int i=1; i<=3; i++) {
        Mat img = imread("image" + std::to_string(i) + ".png");
        if(img.empty()) {
            std::cout << "Cannot load image: image" + std::to_string(i) + ".png!" << std::endl;
            return -1;
        }
        images.push_back(img);
    }

    //创建AKAZE特征检测器
    Ptr<AKAZE> akaze = AKAZE::create();

    //提取每张图像的特征点及描述符
    std::vector<KeyPoint> keypoints;
    std::vector<Mat> descriptors;
    for(int i=0; i<images.size(); i++) {
        Mat img;
        cvtColor(images[i], img, COLOR_BGR2GRAY);

        std::vector<KeyPoint> kp;
        Mat descriptor;
        akaze->detectAndCompute(img, noArray(), kp, descriptor);

        keypoints.push_back(kp);
        descriptors.push_back(descriptor);
    }

    //利用FLANN匹配器匹配特征点
    Ptr<DescriptorMatcher> matcher = FlannBasedMatcher::create();
    std::vector<std::vector<DMatch> > matches;
    std::vector<DMatch> good_matches;
    matcher->knnMatch(descriptors[0], descriptors[1], matches, 2);
    for(int i=0; i<matches.size(); i++) {
        if(matches[i][0].distance < 0.7 * matches[i][1].distance) {
            good_matches.push_back(matches[i][0]);
        }
    }

    //绘制匹配结果
    Mat img_matches;
    drawMatches(images[0], keypoints[0], images[1], keypoints[1],
                good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),
                std::vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

    //显示匹配结果
    imshow("Matches", img_matches);
    waitKey(0);

    return 0;
}

该代码首先读取多张图像，并使用AKAZE算法提取每张图像的特征点及描述符，然后利用FLANN匹配器匹配图像之间的特征点，并筛选出最匹配的特征点，最后绘制匹配结果并显示。

希望能对你有所帮助！