Question

我有来自emgu opencv包装器的以下示例

HomographyMatrix homography = null;
SURFDetector surfCPU = new SURFDetector(500,true);
        VectorOfKeyPoint modelKeyPoints;
        VectorOfKeyPoint observedKeyPoints;
        Matrix<int> indices;

        Matrix<byte> mask;
        int k = 2;
        double uniquenessThreshold = 0.9; //0.8

        //extract features from the object image
        modelKeyPoints = surfCPU.DetectKeyPointsRaw(modelImage, null);
        Matrix<float> modelDescriptors = surfCPU.ComputeDescriptorsRaw(modelImage, null, modelKeyPoints);
        modelImage.Dispose();                     


        // extract features from the observed image
        observedKeyPoints = surfCPU.DetectKeyPointsRaw(observedImage, null);
        Matrix<float> observedDescriptors = surfCPU.ComputeDescriptorsRaw(observedImage, null, observedKeyPoints);
        observedImage.Dispose();
        BruteForceMatcher<float> matcher = new BruteForceMatcher<float>(DistanceType.L2);
        matcher.Add(modelDescriptors);

        indices = new Matrix<int>(observedDescriptors.Rows, k);
        using (Matrix<float> dist = new Matrix<float>(observedDescriptors.Rows, k))
        {
            matcher.KnnMatch(observedDescriptors, indices, dist, k, null);
            mask = new Matrix<byte>(dist.Rows, 1);
            mask.SetValue(255);
            Features2DToolbox.VoteForUniqueness(dist, uniquenessThreshold, mask);
        }
        //...

应用KnnMatch后，如何获得匹配关键点的数量以及非零像素数与获得2张图像之间的相似性有什么关系？

Answer 1

即使邻居很远，k-NN总会找到“最近的”邻居。因此，如果您的图像具有1000个兴趣点，则它们将与另一图像中的一个兴趣点匹配，即使其他图像具有更多或更少的兴趣点。

匹配次数与2幅图像之间的相似性没有直接关联，因为匹配集包含“好”匹配（内部），但也包含许多错误匹配（异常值）。

匹配后，您应过滤匹配（通过使用VoteForUniqueness和VoteForSizeAndOrientation），然后尝试查找单应矩阵。然后，您可以计算有多少匹配验证单应性。这些匹配是内部因素，相似性与内部数量有一点相关性。

您可以在this paper中找到更详细的信息：

[Augereau，O.，Journet，N。，＆amp; Domenger，J。P.（2013年2月）。半结构化文档图像匹配和识别。在DRR。]

Answer 2

请参阅opencv doc http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/features2d/doc/common_interfaces_of_descriptor_matchers.html

void DescriptorMatcher :: knnMatch（const Mat＆amp; queryDescriptors，vector＆gt;＆amp; matches，int k，const vector＆amp; masks = vector（），bool compactResult = false）

匹配（代码中为dist） - 匹配。对于相同的查询描述符，每个匹配[i]是k或更少的匹配。 k - 如果查询描述符总共少于k个可能的匹配项，则每个查询描述符找到的最佳匹配计数或更少。
关于相似度（我不清楚这个问题），代码使用L2距离。

BruteForceMatcher matcher = new BruteForceMatcher（DistanceType.L2）;

使用KnnMatch返回2个图像之间的相似度

2 个答案: