基于OpenCV的AndroidSDK实现的特征点匹配案例，其中SDK的版本为4.5.5

SDK下载

OpenCV的SDK这里下载。

matchTemplate方案的试错

自己一个项目需要使用图像匹配，其实就是从一个大截图中截出来一个小按钮，然后去识别这个按钮的位置然后做点击。一开始使用的是模板匹配，也就是Imgproc._matchTemplate()_方法，但使用后发现该方法对图片的分辨率要求过高（其实还有旋转、角度等限制），即时是从大图中截图出来的小图，也是需要分辨率对得上才能匹配成功（也就是说不同分辨率的手机截图出来的文件不一定能匹配成功）。

决定使用drawMatches

后来找了好久的资料，终于在OpenCV的官网文档找到一个基于特征点匹配的方法（Features2d._drawMatches()_），不受限分辨率、角度、旋转等限制（虽然我这个项目不涉及到角度和旋转）。
要注意的是这个方法可以使用好几种不同的算法（BRISK、ORB、KAZE、AKAZE、MSER等），这里我最终选用的是BRISK，关于这几种算法的优劣可以百度，我是参考了链接。

代码实现

  1. // image2Bitmap：截图出来的Bitmap对象
  2. // templateBitmap：要匹配的按钮的Bitmap对象
  3. // src：截图的Mat对象
  4. // template：要匹配的按钮的Mat对象
  6. if (image2Bitmap != null) {
  7.   LogUtils.d("截图完成,准备匹配截图");
  8.   src = new Mat();
  9.   Utils.bitmapToMat(image2Bitmap, src);
  10.   LogUtils.d("获取的截图宽高", image2Bitmap.getWidth(), image2Bitmap.getHeight());
  11.   if (templateBitmap == null) {
  12.     templateBitmap = ImageUtils.getBitmap(R.drawable.image_open);
  13.   }
  15.   if (template == null) {
  16.     template = new Mat();
  17.     Utils.bitmapToMat(templateBitmap, template);
  18.   }
  20.   MatOfKeyPoint keyPointTemplate = new MatOfKeyPoint();
  21.   Mat templateDescriptorMat = new Mat();
  23.   MatOfKeyPoint keyPointSrc = new MatOfKeyPoint();
  24.   Mat srcDescriptorMat = new Mat();
  26.   //            ORB me = ORB.create(1000, 1.2f);
  27.   //            ORB me = ORB.create();
  28.   //            KAZE me = KAZE.create();
  29.   //            AKAZE me = AKAZE.create();
  30.   BRISK me = BRISK.create();
  31.   //            MSER me = MSER.create();
  33.   me.detect(template, keyPointTemplate);
  34.   me.compute(template, keyPointTemplate, templateDescriptorMat);
  36.   me.detect(src, keyPointSrc);
  37.   me.compute(src, keyPointSrc, srcDescriptorMat);
  39.   if (templateDescriptorMat.type() != CvType.CV_32F && srcDescriptorMat.type() != CvType.CV_32F) {
  40.     templateDescriptorMat.convertTo(templateDescriptorMat, CvType.CV_32F);
  41.     srcDescriptorMat.convertTo(srcDescriptorMat, CvType.CV_32F);
  42.   }
  43.   MatOfDMatch matches = new MatOfDMatch();
  44.   FlannBasedMatcher matcher = FlannBasedMatcher.create();
  45.   matcher.match(templateDescriptorMat, srcDescriptorMat, matches);
  47.   List<DMatch> matchList = matches.toList();
  48.   LogUtils.d("优化前的匹配点数量：", matchList.size());
  49.   // 按照distance升序
  50.   Collections.sort(matchList, (a, b) -> {
  51.     return (int) (a.distance * 1000 - b.distance * 1000);
  52.   });
  53.   LogUtils.d("排序后的匹配点列表", matchList);
  54.   float min = matchList.get(0).distance;
  55.   float max = matchList.get(matchList.size() - 1).distance;
  56.   List<DMatch> goodMatchList = new ArrayList(matchList);
  57.   // 对列表进行筛选，去除distance小于（最大的distance * 0.4）的特征点
  58.   CollectionUtils.filter(goodMatchList, new CollectionUtils.Predicate<DMatch>() {
  59.     @Override
  60.     public boolean evaluate(DMatch item) {
  61.       return item.distance < max * 0.4;
  62.     }
  63.   });
  64.   LogUtils.d("优化后的匹配点数量：", goodMatchList.size());
  65.   // 如果匹配点小于4个，是无法继续执行的话，不然OpenCV会报错
  66.   if (goodMatchList.size() < 4) {
  67.     LogUtils.d("匹配点小于4个，跳过本次！");
  68.     continue;
  69.   }
  71.   Mat result = new Mat();// 承载最终结果的Mat
  72.   MatOfDMatch matOfDMatch = new MatOfDMatch();
  73.   matOfDMatch.fromList(goodMatchList);
  74.   // 把匹配图在大图中的特征点关系线画上
  75.   Features2d.drawMatches(template, keyPointTemplate, src, keyPointSrc, matOfDMatch, result);
  76.   // 以上其实已经能标识出大图中关于匹配图的特征点关系了（用线连接），下面要做的是找出匹配图在大图中的位置
  78.   //-- 定位对象
  79.   List<Point> obj = new ArrayList<>();
  80.   List<Point> scene = new ArrayList<>();
  81.   List<KeyPoint> listOfKeypointsObject = keyPointTemplate.toList();
  82.   List<KeyPoint> listOfKeypointsScene = keyPointSrc.toList();
  83.   for (int i = 0; i < goodMatchList.size(); i++) {
  84.     //-- 从良好的匹配中获取关键点
  85.     obj.add(listOfKeypointsObject.get(goodMatchList.get(i).queryIdx).pt);
  86.     scene.add(listOfKeypointsScene.get(goodMatchList.get(i).trainIdx).pt);
  87.   }
  88.   MatOfPoint2f objMat = new MatOfPoint2f();
  89.   MatOfPoint2f sceneMat = new MatOfPoint2f();
  90.   objMat.fromList(obj);
  91.   sceneMat.fromList(scene);
  92.   double ransacReprojThreshold = 3.0;
  93.   Mat H = Calib3d.findHomography(objMat, sceneMat, Calib3d.RANSAC, ransacReprojThreshold);
  94.   //-- 从image_1（要“检测”的对象）获取角
  95.   Mat objCorners = new Mat(4, 1, CvType.CV_32FC2), sceneCorners = new Mat();
  96.   float[] objCornersData = new float[(int) (objCorners.total() * objCorners.channels())];
  97.   objCorners.get(0, 0, objCornersData);
  98.   objCornersData[0] = 0;
  99.   objCornersData[1] = 0;
  100.   objCornersData[2] = template.cols();
  101.   objCornersData[3] = 0;
  102.   objCornersData[4] = template.cols();
  103.   objCornersData[5] = template.rows();
  104.   objCornersData[6] = 0;
  105.   objCornersData[7] = template.rows();
  106.   objCorners.put(0, 0, objCornersData);
  107.   Core.perspectiveTransform(objCorners, sceneCorners, H);
  108.   float[] sceneCornersData = new float[(int) (sceneCorners.total() * sceneCorners.channels())];
  109.   sceneCorners.get(0, 0, sceneCornersData);
  110.   //-- 在角之间绘制线，也就是我要找的按钮的四个边
  111.   Imgproc.line(result, new Point(sceneCornersData[0] + template.cols(), sceneCornersData[1]),
  112.                new Point(sceneCornersData[2] + template.cols(), sceneCornersData[3]), new Scalar(255, 0, 0, 255), 4);
  113.   Imgproc.line(result, new Point(sceneCornersData[2] + template.cols(), sceneCornersData[3]),
  114.                new Point(sceneCornersData[4] + template.cols(), sceneCornersData[5]), new Scalar(255, 0, 0, 255), 4);
  115.   Imgproc.line(result, new Point(sceneCornersData[4] + template.cols(), sceneCornersData[5]),
  116.                new Point(sceneCornersData[6] + template.cols(), sceneCornersData[7]), new Scalar(255, 0, 0, 255), 4);
  117.   Imgproc.line(result, new Point(sceneCornersData[6] + template.cols(), sceneCornersData[7]),
  118.                new Point(sceneCornersData[0] + template.cols(), sceneCornersData[1]), new Scalar(255, 0, 0, 255), 4);
  120.   Bitmap bitmap = Bitmap.createBitmap(result.width(), result.height(), Bitmap.Config.ARGB_8888);
  121.   Utils.matToBitmap(result, bitmap);
  122.   // 保存图片到本地
  123.   ImageUtils.save2Album(bitmap, Bitmap.CompressFormat.PNG);
  125. } else {
  126.   LogUtils.d("截图的Bitmap是空！！！");
  127. }

图片资源和效果

gxt_hand.pngbig_gxt.jpgimage.png