我正在实现一个程序,该程序应该将图像(img1)与一组大约15到30张图像中的非常相似的图像(通常只是照明的分辨率不同;有时需要一些翻译)进行匹配。
我正在使用ORB特征检测器和Flann匹配器。为了使用匹配器,我先计算第一个图像(img1)的关键点和描述符,然后再计算集合中的每个图片,运行flann匹配器,将每个图像与img1进行比较,以获得最佳结果。
但是,如果我正确理解的话,会有一个叫做“弗兰匹配器索引”的东西,可以对其进行训练,然后为您选择最佳匹配。它是否正确?如果是这样,如何将它与python一起使用?我看到了一些C ++的示例,但没有python,有一些我忽略的文档吗?
编辑:基本上,我想知道python中是否可以使用this之类的东西
答案 0 :(得分:0)
这是你想要的吗?
import numpy as np
import cv2
from matplotlib import pyplot as plt
img1 = cv2.imread( file1,0) # queryImage
img2 = cv2.imread( file2,0) # trainImage
# Initiate SIFT detector
orb = cv2.ORB_create()
# find the keypoints and descriptors with SIFT
kp1, des1 = orb.detectAndCompute(img1,None)
kp2, des2 = orb.detectAndCompute(img2,None)
# FLANN parameters
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)
des1 = np.float32(des1)
des2 = np.float32(des2)
matches = flann.knnMatch(des1,des2,k=2)
# Need to draw only good matches, so create a mask
matchesMask = [[0,0] for i in range(len(matches))]
# ratio test as per Lowe's paper
for i,(m,n) in enumerate(matches):
if m.distance < 0.7*n.distance:
matchesMask[i]=[1,0]
draw_params = dict(matchColor = (0,255,0),
singlePointColor = (255,0,0),
matchesMask = matchesMask,
flags = 0)
img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_params)
plt.imshow(img3,),plt.show()