我正在使用来自 python 额外模块的 sift 算法进行一些特征匹配。 尽管我不明白的一件事是传递给 BFMatcher 的 normType 背后的概念。即在什么情况下必须使用哪些?
任何帮助都是无价的
最佳答案
来自 WolframAlpha NormL1和 NormL2 :
给定一个向量:
Norm L1 是出租车(或曼哈顿)距离(绝对值之和):
而Norm L2是欧氏距离(平方和的平方根):
范数的类型告诉 BFMatcher
如何计算每两个特征之间的距离。
NORM L1 通常计算起来要快得多(主要是因为您不计算平方根)。 NORM L2 更准确。
你可以找到一个很好的比较here .
关于python - opencv python中cv2.NORM_L2和cv2.NORM_L1的区别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32849465/