0

我正在尝试计算 2 个图像之间的对应关系，实际上我对对应点的数量感兴趣，而不是对应关系本身，这样我就可以起诉它以获得最佳匹配图像。这是我的以下代码：

     #include<iostream>
     #include<vector>
     #include<string>
     #include "cv.h"
     #include "highgui.h"
     #include "opencv2/imgproc/imgproc.hpp"
     #include "opencv2/highgui/highgui.hpp"
     #include "opencv2/legacy/legacy.hpp"
     #include "opencv2/objdetect/objdetect.hpp"
     #include "opencv2/nonfree/nonfree.hpp"
     #include "opencv2/nonfree/features2d.hpp"
     #include<stdio.h>

     using namespace cv;
     using namespace std;

     int main(int argc, char **argv)
     {
       Mat A = imread("/home/itachi/iTaggproj/frame6.jpg",CV_LOAD_IMAGE_COLOR);
       Mat src = imread("/home/itachi/iTaggproj/dataformatch/frame0.jpg",CV_LOAD_IMAGE_COLOR);

       SiftFeatureDetector detector( 0.05, 5.0 );
           SiftDescriptorExtractor extractor( 3.0 );

       vector<KeyPoint>keypoints1,keypoints2;
           detector.detect( A, keypoints1 );
           detector.detect( src, keypoints2 );

       int key1 = keypoints1.size();
           int key2 = keypoints2.size();
           printf("Keypoint1=%d \nKeypoint2=%d", key1, key2);

       // Feature descriptor computation
       Mat descriptor1,descriptor2;
       extractor.compute( A, keypoints1, descriptor1 );
       extractor.compute( src, keypoints2, descriptor2 );

       //match points to get correspondence
 //        BFMatcher matcher(NORM_L2);
       FlannBasedMatcher matcher;
       vector<DMatch>matches;
       matcher.match( descriptor1, descriptor2, matches );
       cout<<endl<<matches.size()<<endl;

       return 0;
     }

我从link1和link2获得了我的代码。我所有的图像都是 320X240。我拍摄了一张测试图像，并尝试在图像数据库中一张一张地运行它。但每次我这样做时，我的匹配大小总是163。请注意，测试图像中的关键点也是163。我正在尝试为测试图像找到最佳匹配，但我不明白为什么会发生这种情况。所有与数据库匹配的对应关系都给出163的结果。

这些是我的问题和疑问，请帮助我。:-

  1. 如果上面使用的方法错误，如何获得匹配数？

抱歉，如果问题非常基本，但非常感谢您的帮助。

4

1 回答 1

1

该FlannBasedMatcher.match()方法并没有像您认为的那样做；它将返回每个关键点的最佳匹配。因此，您将始终有 163 场比赛，因为总会有一场最佳比赛，即使它不是一个非常好的比赛。

匹配特征时通常会发生一个阈值，然后将阈值应用于描述符距离；因此，例如，如果任何匹配项的距离大于 threshold t，那么它们将被拒绝。阈值化后的良好匹配数通常用于衡量图像之间的相似性。我认为这是您期望得到的数字。

您的代码基本上构成了本教程的第一部分。如果您阅读本教程，您将确切地看到我所描述的内容，其中匹配项根据它们的距离进行阈值处理。

于 2013-10-31T11:19:58.587 回答