python - OpenCV python FlannBasedMatcher 添加多个描述符

Question

我正在按照教程 (https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_matcher/py_matcher.html) 尝试使用 SURF 检测图像

我现在的目标是将多个图像添加到 FlannBasedMatcher 中，然后将其保存以便之后加载。当更改示例中的代码并尝试 add()和 train()调用 knnMatch(queryDescriptors=des1, k=2) 之前的描述符(而不是 matches = flann.knnMatch(des1,des2,k=2) 我得到了教程示例中的其他结果。

surf = cv2.xfeatures2d.SURF_create(800)
...
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)
flann.add(des1)
flann.train()
flann.knnMatch(queryDescriptors=des2, k=2)

问题 1:为什么我得到的结果与教程中的结果不同？

在knnMatch()中改变k的值时例如。 6、会返回最近的6个匹配项。在 knn=2 的情况下，为了找到好的匹配项，我检查返回的匹配项的距离是否不大于 m1.distance < 0.8 * m2.distance。 .

问题2:当knn=6时，我应该用6中的哪个匹配作为anchor来比较距离不大于0.8*distance away？

Answer 1

问题 1:

我认为结果会与教程不同，因为搜索范围不同。本教程在 des2 中查找 des1 的 item1 的匹配项。但是，您要在 des1 和 des2 的联合中查找 des1 的 item1。

问题 2:

比率测试由 Low(SIFT 作者)设计，用于衡量匹配点的唯一性。如果最佳匹配和第二最佳匹配之间的距离(在分数/相似性方面)很大，则意味着最佳匹配是唯一的，图像中没有其他特征与其相似。但是，如果第二个最佳匹配接近最佳匹配，则意味着该特征不是唯一的，并且该特征可能是我们应该从匹配过程中丢弃的重复模式。

因此，通过使用 k=6，您正在寻找最佳的 6 个匹配项，这无助于确定特征的唯一性，因为只有最佳点和第二最佳点很重要。

也许您正在尝试从描述符的联合中对相似点进行聚类。那么比率测试在这种情况下就没有用了，因为不再有唯一的匹配。