0

在下面的代码中，我正在使用 BRUTFORCE 算法进行描述符匹配。我阅读了一些教程，但它们是用 C++ 编写的，我发现，总是在匹配过程之后，生成的 MatOfDMatch 对象来自

.match(query_desc, train_desc, MatOfDMatch objec)

应转换为 DMatch 对象如下

List<DMatch> dMtchList = matDMatch.toList();

并且 dMtchList 应该按升序排序，然后应用阈值处理，然后将 dMtchList 对象转换为 MatOfDMatch。

我的问题是，为什么我们需要应用阈值，因为我可以对从 .match(..,..,..) 方法返回的原始匹配进行升序排序，以及阈值如何增强匹配。

**代码*：

private static void descriptorMatcher() {
    // TODO Auto-generated method stub
    MatOfDMatch matDMatch = new MatOfDMatch();//empty MatOfDmatch object
    dm.match(matFactory.getComputedDescExtMatAt(0), matFactory.getComputedDescExtMatAt(1), matDMatch);//descriptor extractor of the query and the train image are used as parameters 
    matFactory.addRawMatchesMatDMatch(matDMatch);

    /*writing the raw MatDMatches*/
    Mat outImg = new Mat();
    Features2d.drawMatches(matFactory.getMatAt(0), matFactory.getMatKeyPtsAt(0), matFactory.getMatAt(1), matFactory.getMatKeyPtsAt(1), MatFactory.lastAddedObj(matFactory.getRawMatchesMatDMatchList()), 
            outImg);
    matFactory.addRawMatchedImage(outImg);
    MatFactory.writeMat(FilePathUtils.newOutputPath(SystemConstants.RAW_MATCHED_IMAGE), MatFactory.lastAddedObj(matFactory.getRawMatchedImageList()));//this produce img_2 below posted

    /*getting the top 10 shortest distance*/
    List<DMatch> dMtchList = matDMatch.toList();
    List<DMatch> goodDMatchList = MatFactory.getTopGoodMatches(dMtchList, 0, 10);//this method sort the dMatchList ascendingly and picks onlt the top 10 distances and assign these values to goodDMatchList

    /*converting the goo DMatches to MatOfDMatches*/
    MatOfDMatch goodMatDMatches = new MatOfDMatch();
    goodMatDMatches.fromList(goodDMatchList);
    matFactory.addGoodMatchMatDMatch(goodMatDMatches);

    /*drawing the good matches and writing the good matches images*/
    Features2d.drawMatches(matFactory.getMatAt(0), matFactory.getMatKeyPtsAt(0), matFactory.getMatAt(1), matFactory.getMatKeyPtsAt(1), MatFactory.lastAddedObj(matFactory.getGoodMatchMatDMatchList()), 
            outImg);
    MatFactory.writeMat(FilePathUtils.newOutputPath(SystemConstants.GOOD_MATCHED_IMAGE), outImg);// this produce img_1 below posted
}
4

1 回答 1

1

过滤可让您减少匹配项，以便仅保留最佳匹配项，并让您对决定什么是好的匹配有一定的控制权，它也可以为您的结果赋予权重。

没有什么能阻止你只选择最接近的前 10 个匹配项，但如果不与某些标准或准则进行比较，它们就没有任何意义。

通过将自己限制在前 N 个匹配项中，您可能还会错过更多潜在匹配项，特别是如果您从提取中返回了数百或数千个匹配项。

假设您正在比较两个图像 A 和 B。

如果您总共收到 1000 个匹配项并且其中 900 个匹配项通过了您的一系列阈值/过滤检查，您可以说它们很有可能是相似的。如果只有 50 个通过，则这两个图像不太可能完全相似。

但是，如果您仅查看前 10 个匹配项，您并不能真正确定，如果图像或类似图像，它们可能是许多强匹配中最好的，如果图像非常不同，它们可能是许多弱匹配中最好的。

编辑 - 距离

距离是衡量两个关键点之间的相似度，距离越大相似度越小，距离越小相似度越大。

在示例中，您正在查看的最大和最小距离初始化如下：

[ http://docs.opencv.org/doc/tutorials/features2d/feature_flann_matcher/feature_flann_matcher.html ]

double max_dist = 0; double min_dist = 100;

这只是为了可以使用匹配列表中存在的实际最小/最大值更新它们。如果 min 从 0 开始，它可能永远不会被覆盖，反之亦然。

  for( int i = 0; i < descriptors_1.rows; i++ ){ 
    double dist = matches[i].distance;
    if( dist < min_dist ) min_dist = dist;
    if( dist > max_dist ) max_dist = dist;
于 2015-04-09T19:02:55.107 回答