Question

我正在开发一个图像搜索项目，我已经使用自己的算法定义/提取了关键点要素。最初我只提取了单个特征，并尝试使用cv2.FlannBasedMatcher（）进行匹配，并且它工作正常，我已经实现如下：

Here vec is 2-d list of float values of shape (10, )
Ex:
[[0.80000000000000004, 0.69999999999999996, 0.59999999999999998, 0.44444444444444448, 0.25, 0.0, 0.5, 2.0, 0, 2.9999999999999996]

[2.25, 2.666666666666667, 3.4999999999999996, 0, 2.5, 1.0, 0.5, 0.37499999999999994, 0.20000000000000001, 0.10000000000000001]

[2.25, 2.666666666666667, 3.4999999999999996, 0, 2.5, 1.0, 0.5, 0.37499999999999994, 0.20000000000000001, 0.10000000000000001]

[2.25, 2.666666666666667, 3.4999999999999996, 0, 2.5, 1.0, 0.5, 0.37499999999999994, 0.20000000000000001, 0.10000000000000001]]

vec1 = extractFeature(img1)
vec2 = extractFeature(img2)

q1 = np.asarray(vec1, dtype=np.float32)
q2 = np.asarray(vec2, dtype=np.float32)

FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
search_params = dict(checks=50)   # or pass empty dictionary
flann = cv2.FlannBasedMatcher(index_params,search_params)
matches = flann.knnMatch(q1,q2,k=2)

但是现在我为每个关键点添加了一个特征描述符以及前一个关键点，但长度不同。所以现在我的特征描述符的形状如下：

[[[0.80000000000000004, 0.69999999999999996, 0.59999999999999998, 0.44444444444444448, 0.25, 0.0, 0.5, 2.0, 0, 2.9999999999999996],[2.06471330e-01,   1.59191645e-02,   9.17678759e-05, 1.32570314e-05,   4.58424252e-10,   1.66717250e-06,6.04810165e-11]

[[2.25, 2.666666666666667, 3.4999999999999996, 0, 2.5, 1.0, 0.5, 0.37499999999999994, 0.20000000000000001, 0.10000000000000001],[ 2.06471330e-01,   1.59191645e-02,   9.17678759e-05, 1.32570314e-05,   4.58424252e-10,   1.66717250e-06, 6.04810165e-11],

[[2.25, 2.666666666666667, 3.4999999999999996, 0, 2.5, 1.0, 0.5, 0.37499999999999994, 0.20000000000000001, 0.10000000000000001],[ 2.06471330e-01,   1.59191645e-02,   9.17678759e-05, 1.32570314e-05,   4.58424252e-10,   1.66717250e-06, 6.04810165e-11],

[[2.25, 2.666666666666667, 3.4999999999999996, 0, 2.5, 1.0, 0.5, 0.37499999999999994, 0.20000000000000001, 0.10000000000000001],[ 2.06471330e-01,   1.59191645e-02,   9.17678759e-05, 1.32570314e-05,  4.58424252e-10,   1.66717250e-06, 6.04810165e-11]]

现在，由于每个点的特征描述符都是一个列表，两个列表（描述符）的长度不同（10,7），所以在这种情况下我得到错误：

使用序列设置数组元素。

将特征描述符转换为float数据类型的numpy数组时：

q1 = np.asarray(vec1, dtype=np.float32)

我理解这个错误的原因是列表的长度不同，所以我想知道实现它的正确方法是什么？

Answer 1

您应该定义一个大小为10+7=17的描述符。

这样，空间描述符现在为17，你应该可以使用cv2.FlannBasedMatcher。

创建正确大小desc_glob = np.zeros((nb_pts,17))的全局描述符并手动填充它或找到Python方法来完成它。也许np.reshape((nb_pts,17))？

修改

为了不偏袒另一个描述符类型，您需要对描述符进行加权或规范化。这与从两个描述符计算全局描述符距离的原理相同：

dist（desc1，desc2）= dist（desc1a，desc2a）+ lambda * dist（desc1b，desc2b）

功能与opencv中的flann匹配

1 个答案: