ORB python opencv的匹配特性

Question

我正在与opencv匹配特性，但是当我运行这段代码时，我得到了这个错误跟踪(最近一次调用)：文件"ffl.py"，第27行，in for m，n in matches: TypeError：'cv2.DMatch‘对象不可迭代

我不知道怎么修

import numpy as np
import cv2
import time

ESC=27   
camera = cv2.VideoCapture(0)
orb = cv2.ORB_create()
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

imgTrainColor = cv2.imread('/home/shar/home.jpg')
imgTrainGray = cv2.cvtColor(imgTrainColor, cv2.COLOR_BGR2GRAY)

kpTrain = orb.detect(imgTrainGray,None)
kpTrain, desTrain = orb.compute(imgTrainGray, kpTrain)

firsttime = True

while True:

    ret, imgCamColor = camera.read()
    imgCamGray = cv2.cvtColor(imgCamColor, cv2.COLOR_BGR2GRAY)
    kpCam = orb.detect(imgCamGray,None)
    kpCam, desCam = orb.compute(imgCamGray, kpCam)
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = bf.match(desCam,desTrain)
    good = []
    for m,n in matches:
        if m.distance < 0.7*n.distance:
            good.append(m)

    if firsttime==True:
        h1, w1 = imgCamColor.shape[:2]
        h2, w2 = imgTrainColor.shape[:2]
        nWidth = w1+w2
        nHeight = max(h1, h2)
        hdif = (h1-h2)/2
        firsttime=False

    result = np.zeros((nHeight, nWidth, 3), np.uint8)
    result[hdif:hdif+h2, :w2] = imgTrainColor
    result[:h1, w2:w1+w2] = imgCamColor

    for i in range(len(matches)):
        pt_a=(int(kpTrain[matches[i].trainIdx].pt[0]), int(kpTrain[matches[i].trainIdx].pt[1]+hdif))
        pt_b=(int(kpCam[matches[i].queryIdx].pt[0]+w2), int(kpCam[matches[i].queryIdx].pt[1]))
        cv2.line(result, pt_a, pt_b, (255, 0, 0))

    cv2.imshow('Camara', result)

    key = cv2.waitKey(20)                                 
    if key == ESC:
        break

cv2.destroyAllWindows()
camera.release()

Answer 1

bf.match只返回单个对象的列表，您不能用m，n迭代它。

您只需将代码更改为：

for m in matches:
    if m.distance < 0.7:
        good.append(m)

来自OpenCV (链接)的Python教程：

matches = bf.match(des1，des2)行的结果是DMatch对象的列表。这个DMatch对象具有以下属性：

• DMatch.distance -描述符之间的距离。越低越好。
• DMatch.trainIdx -列描述符中描述符的索引
• DMatch.queryIdx -查询描述符中描述符的索引
• DMatch.imgIdx -火车图像索引。

Answer 2

for m in matches:
    if m.distance < 0.7:
        good.append(m)

这段代码很好，但实际上与原始代码的含义不同。我认为在匹配中使用ORB和涉及n和n+1元素的内容是SIFT算法的原意，它执行比率匹配。

因此，正确的代码应该是(我猜)：

for i, m in enumerate(matches):
    if i < len(matches) - 1 and m.distance < 0.7 * matches[i+1].distance:
        good.append(m)

效率较低，可能有一个解决办法或更好的代码。但我要强调的是，已回答的代码并不像OP的代码那样执行。

原版筛纸上写着：

这个测试通过计算最佳匹配和次优匹配的比率来拒绝糟糕的匹配。如果该比率低于某一阈值，则由于该匹配质量较低而被丢弃.

还请注意，"0.7“是命名为”比率“，并固定为0.75 (从内存)在原始文件。

Answer 3

代码尝试使用Lowe的比率测试(见原始筛选纸)。

对于每个描述符，这需要两个最近的匹配。

守则应改为：

    matches = bf.knnMatch(desCam, desTrain, k=2) # knnMatch is crucial
    good = []
    for (m1, m2) in matches: # for every descriptor, take closest two matches
        if m1.distance < 0.7 * m2.distance: # best match has to be this much closer than second best
            good.append(m1)

此外，我强烈推荐flann matcher。比蛮力匹配器还快。

查看OpenCV源代码(samples/python/find_obj.py)中的OpenCV教程或samples目录，可以找到工作的代码。