Question

我正在使用ORB python opencv匹配功能，但是当我运行此代码时，我收到此错误 Traceback（最近一次调用最后一次）：文件“ffl.py”，第27行，in 对于m，n匹配： TypeError：'cv2.DMatch'对象不可迭代

我不知道如何解决它

import numpy as np
import cv2
import time

ESC=27   
camera = cv2.VideoCapture(0)
orb = cv2.ORB_create()
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

imgTrainColor = cv2.imread('/home/shar/home.jpg')
imgTrainGray = cv2.cvtColor(imgTrainColor, cv2.COLOR_BGR2GRAY)

kpTrain = orb.detect(imgTrainGray,None)
kpTrain, desTrain = orb.compute(imgTrainGray, kpTrain)

firsttime = True

while True:

    ret, imgCamColor = camera.read()
    imgCamGray = cv2.cvtColor(imgCamColor, cv2.COLOR_BGR2GRAY)
    kpCam = orb.detect(imgCamGray,None)
    kpCam, desCam = orb.compute(imgCamGray, kpCam)
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = bf.match(desCam,desTrain)
    good = []
    for m,n in matches:
        if m.distance < 0.7*n.distance:
            good.append(m)

    if firsttime==True:
        h1, w1 = imgCamColor.shape[:2]
        h2, w2 = imgTrainColor.shape[:2]
        nWidth = w1+w2
        nHeight = max(h1, h2)
        hdif = (h1-h2)/2
        firsttime=False

    result = np.zeros((nHeight, nWidth, 3), np.uint8)
    result[hdif:hdif+h2, :w2] = imgTrainColor
    result[:h1, w2:w1+w2] = imgCamColor

    for i in range(len(matches)):
        pt_a=(int(kpTrain[matches[i].trainIdx].pt[0]), int(kpTrain[matches[i].trainIdx].pt[1]+hdif))
        pt_b=(int(kpCam[matches[i].queryIdx].pt[0]+w2), int(kpCam[matches[i].queryIdx].pt[1]))
        cv2.line(result, pt_a, pt_b, (255, 0, 0))

    cv2.imshow('Camara', result)

    key = cv2.waitKey(20)                                 
    if key == ESC:
        break

cv2.destroyAllWindows()
camera.release()

Answer 1

bf.match只返回单个对象的列表，你不能用m，n迭代它。也许你对bf.knnMatch感到困惑？

您只需将代码更改为：

for m in matches:
    if m.distance < 0.7:
        good.append(m)

来自OpenCV的Python教程（link）：

matches = bf.match（des1，des2）行的结果是DMatch的列表   对象。此DMatch对象具有以下属性：


DMatch.distance - 描述符之间的距离。越低越好   它是。

DMatch.trainIdx - 列车描述符中描述符的索引

DMatch.queryIdx - 查询描述符中描述符的索引

DMatch.imgIdx - 火车图像索引。

Answer 2

该代码尝试使用 Lowe 的比率测试（请参阅原始 SIFT 论文）。

这要求，对于每个描述符，两个最接近的匹配。

代码应该是：

    matches = bf.knnMatch(desCam, desTrain, k=2) # knnMatch is crucial
    good = []
    for (m1, m2) in matches: # for every descriptor, take closest two matches
        if m1.distance < 0.7 * m2.distance: # best match has to be this much closer than second best
            good.append(m1)

此外，我强烈推荐法兰绒匹配器。它比蛮力匹配器更快。

查看 OpenCV tutorials 或 OpenCV 源代码 (samples/python/find_obj.py) 中的示例目录以获取有效代码。

Answer 3

for m in matches:
    if m.distance < 0.7:
        good.append(m)

此代码块不错，但实际上与原始代码的含义不同。我认为使用ORB以及匹配项中涉及n和n + 1个元素的东西是指SIFT算法的原始意图，该算法执行比率匹配。

所以，正确的代码应该是（我猜）：

for i, m in enumerate(matches):
    if i < len(matches) - 1 and m.distance < 0.7 * matches[i+1].distance:
        good.append(m)

效率较低，并且可能存在变通方法或更好的代码。但我的主要观点是强调所回答的代码与OP的代码没有相同。

原始SIFT论文说：

此测试通过计算最佳匹配与最佳匹配之间的比率来拒绝较差的匹配和第二好的比赛。如果比率低于某个阈值，则匹配由于质量低劣而被丢弃。

还请注意，“ 0.7”被命名为“比率”，并且在原始纸张中固定为0.75（从内存中）。

与ORB python opencv匹配的功能

3 个答案: