我正在尝试按照教程(https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_matcher/py_matcher.html)使用SURF检测图像
我现在的目标是向 FlannBasedMatcher 添加多个图像,然后将其保存以便以后能够加载它。add()
当从示例中更改代码并尝试train()
调用 knnMatch(queryDescriptors=des1, k=2) 之前的描述符时(而不是matches = flann.knnMatch(des1,des2,k=2)
像教程示例中那样得到其他结果。
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教程中的不同?
当改变 k 的值时knnMatch()
,例如。6,将返回最近的 6 个匹配项。在 knn=2 的情况下,为了找到好的匹配项,我检查返回匹配项的距离是否不大于m1.distance < 0.8 * m2.distance
.
问题2:在knn=6的情况下,我应该使用6中的哪个匹配作为anchor来比较距离不大于0.8*距离距离?