Question

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

Answer 1

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()

python中OpenCV的Flann匹配器索引

1 个答案: