OpenCV python FlannBasedMatcher添加多个描述符

Question

我正在尝试使用本教程中的SURF (matcher.html)检测图像

我现在的目标是向FlannBasedMatcher中添加多个图像，然后保存它，以便以后能够加载它。当从示例中更改代码并尝试调用add()和train()之前，在调用knnMatch(queryDescriptors=des1，k=2)之前(而不是matches = flann.knnMatch(des1,des2,k=2) )，我会得到其他结果，如教程中的示例所示。

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本教程不同？

当为ex在knnMatch()中更改k的值时。6，将返回最近的6匹配。使用knn=2，为了找到好的匹配，我检查返回的匹配的距离不大于m1.distance < 0.8 * m2.distance。

问题2:在knn=6中，我应该使用哪一个6的匹配来比较距离不大于0.8*的距离？

Answer 1

问题1:

我认为结果将与教程不同，因为搜索范围是不同的。本教程查找item1 of des1在des2中的匹配。然而，您正在寻找item1 of des1在des1和des2的结合中。

问题2:

比率测试由Low(SIFT作者)设计，以测量匹配点的唯一性。如果最佳匹配和第二最佳匹配之间的距离(分数/相似度)很大，这意味着最佳匹配是唯一的，并且图像中没有其他特征与其相似。然而，如果第二次最佳匹配接近最佳匹配，则意味着该特征不是唯一的，而且该特征可能是一个重复的模式，我们应该从匹配过程中抛弃它。

因此，通过使用k=6，您正在寻找最好的6个匹配，这无助于确定特性的唯一性，因为只有最好的和第二个最好的点重要。

也许您正在尝试从描述符的结合中聚集类似的点。那么比率测试在这种情况下是无用的，因为不再有唯一的匹配。