Question

我正在尝试在一组图像上做一些单词，提取SURF描述符。但是，我在下面粘贴的代码的最后一行得到以下错误：

type == src2.type（）＆amp;＆amp; src1.cols == src2.cols＆amp;＆amp; （type == CV_32F || type == CV_8U）

如果我改用“SIFT”，那么一切正常。但是当我使用“SURF”时，BoW无法计算SURF描述符。

这是实例化SURF的正确方法吗？我可以使用cv2.NORM_L2距离函数吗？

imgs2Keypoints = {}
kmeansTrainer = cv2.BOWKMeansTrainer(10);  
for pathToImage in images:
    sift = cv2.SURF(400)
    img = cv2.imread(pathToImage)
    kp, des = sift.detectAndCompute(img, None)
    des = np.float32(des)
    kmeansTrainer.add(des)
    imgs2Keypoints[pathToImage] = kp 
vocabulary = kmeansTrainer.cluster()
bow_ext.setVocabulary(vocabulary)

surf2 = cv2.DescriptorExtractor_create("SURF")
bow_ext = cv2.BOWImgDescriptorExtractor(surf2, cv2.BFMatcher(cv2.NORM_L2))

for pathToImage in images:
    img = cv2.imread(pathToImage)
    histogram = bow_ext.compute(img, imgs2Keypoints[pathToImage])[0]

Answer 1

编辑：

sift = cv2.SURF(400)

创建扩展的SURF描述符（128维），而

surf2 = cv2.DescriptorExtractor_create("SURF")

创建标准的SURF描述符（64维）。

一种可能的解决方案是禁用 sift 对象的扩展描述符

sift.extended = False

编辑2：

用于扩展描述符：

surf2.setBool("extended", True)

对于L2规范：是的，L2距离很好。如OpenCV docs中所述：

L1和L2规范是SIFT和SURF描述符的首选选择

Opencv：BoW计算SURF描述符

1 个答案: