Question

我想用python和opencv比较两个图像。

我理解如何从本书中的单个图像中提取冲浪特征：使用Python编程计算机视觉。

我提取的功能如下：

import cv2
from numpy import *

# read image
im = cv2.imread('empire.jpg')

# downsample
im_lowres = cv2.pyrDown(im)

# convert to grayscale
gray = cv2.cvtColor(im_lowres,cv2.COLOR_RGB2GRAY)

# detect feature points
s = cv2.SURF()
mask = uint8(ones(gray.shape))

keypoints = s.detect(gray,mask)

# show image and points
vis = cv2.cvtColor(gray,cv2.COLOR_GRAY2BGR)
for k in keypoints[::10]:
    cv2.circle(vis,(int(k.pt[0]),int(k.pt[1])),2,(0,255,0),-1)
    cv2.circle(vis,(int(k.pt[0]),int(k.pt[1])),int(k.size),(0,255,0),2)

cv2.imshow('local descriptors',vis)
cv2.waitKey()

现在我如何将关键点与来自参考图像的另一组关键点进行比较？

Answer 1

Python OpenCV有一个FLANN实现，我自己使用它并且它运行得很好。最初要弄清楚并不容易，但this question给了我很多帮助，请参阅Esteban Angee's回答。

您还可以查看我对this question的回答，我快速解释了代码。我在这里重复一下解释。

r_threshold = 0.6
FLANN_INDEX_KDTREE = 1  # bug: flann enums are missing

构建参数字典：

flann_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 4)
flann = cv2.flann_Index(desc2, flann_params)

执行最近邻搜索：

idx2, dist = flann.knnSearch(desc1, 2, params = {}) # bug: need to provide empty dict
mask = dist[:,0] / dist[:,1] < r_threshold
idx1 = np.arange(len(desc1))
pairs = np.int32( zip(idx1, idx2[:,0]) )

返回匹配的描述符：

return pairs[mask]

Answer 2

匹配SURF描述符通常使用k-最近邻居（k = 2）完成。当然对于C ++，OpenCV有一个内置类来做这个 - 快速近似最近邻居描述符匹配器（FLANN_matcher），虽然我似乎找不到任何Python版本的文档。也许有一个挖掘，看看你能找到它吗？

如果您最终需要从头开始执行此操作，this post使用cv2.KNearest有一个很好的代码示例，它绝对是Python版本。

如何比较python opencv2.4中的冲浪功能

2 个答案: