Question

我的数据库中有几个鱼图像，我的目标是找到用户输入的鱼图像和数据库中的图像之间的相似性得分。为此我从这个链接使用opencv Feature matching + Homograpy。

http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_feature2d/py_feature_homography/py_feature_homography.html#feature-homography

我目前的代码如下。

query_image = '/home/zealous/Pictures/train_images/AbudefdufWhitleyiJER.jpg'
trained_image_folder = '/home/zealous/Pictures/train_images'

我目前的代码如下。

def feature_matcher(query_image, image_folder):

    min_match_count = 10

    img1 = cv2.imread(query_image, 0)
    surf = cv2.xfeatures2d.SURF_create(800)
    kp1, des1 = surf.detectAndCompute(img1, None)

    bf = cv2.BFMatcher(cv2.NORM_L2)

    all_files = next(os.walk(image_folder))[2]

    for file_name_temp in all_files:
        try:
            train_image = image_folder + '/' + file_name_temp
            img2 = cv2.imread(train_image, 0)
            surf = cv2.xfeatures2d.SURF_create(800)
            kp2, des2 = surf.detectAndCompute(img2, None)

            matches = bf.knnMatch(des1, des2, k=2)

            good = []
            for m, n in matches:
                if m.distance < 0.7*n.distance:
                    good.append(m)

            if len(good) > min_match_count:

                src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1,1,2)
                dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1,1,2)

                M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

                matchesMask = mask.ravel().tolist()

                h, w = img1.shape
                pts = np.float32([[0, 0], [0, h-1], [w-1, h-1], [w-1, 0]]).reshape(-1,1,2)
                dst = cv2.perspectiveTransform(pts, M)

                if not M==None:
                    print "\n"
                    print "-"*2, file_name_temp
                    print "number of good matches", len(good)
                    print "*"*10, matchesMask

我通过查看好的匹配数和匹配的任务变量（包含一些0＆＃39; s和1＆＃39; s）来获得相当不错的输出。如果数据库包含与输入图像相同的图像，那么将有许多良好匹配，并且所有matchesMask元素将为1。

我的问题是如何基于此计算相似度得分？我应该假设matchMask中有更多数量的1（Inliers），两个图像都相似，或者我应该采用1＆＃39; s（inliers）和0＆＃39; s（异常值）之间的比例并基于此计算相似度。

我知道在许多问题中已经讨论过这个问题，但是所有的建议和答案都是用C ++语言编写的，所以我无法找到解决方案..

Answer 1

在相似性得分中，您不希望包含异常值 - 它们是异常值，因为它们对您的数据没有帮助。只需将1（内部）的数量作为相似度得分 - 你应该得到不错的结果。

Opencv Python - 功能匹配+同形词

1 个答案: