0

我和这里有同样的问题：

如何使用opencv flannbasedmatcher和dmatch访问与最佳关键点匹配对应的最佳图像

不幸的是，这篇文章没有答案。

我有几个图像（和相应的描述符），我使用“add”方法将它们添加到 FlannBasedMatcher（每组描述符一次，对应于单个图像）。

但是，当我匹配图像时，返回的 imgIdx 远大于训练集中的图像数量。我觉得每个描述符都被视为图像，但这不是我想要的。

我想知道每个特征与哪个图像（或一组描述符）匹配。

这是我的代码的一部分（我简化了一点，我知道'test'对于变量名不是很好，但它是临时的）。同样在这里我阅读了 .key 文件，这些文件基本上是包含图像的关键点和描述符的文件（用 SIFT 提取）。

我只是准确地说，在下面的代码中，featMatch 只是我创建的一个类，用于创建一个 FlannBasedMatcher（带有初始化参数）。

with open(os.path.join(ROOT_DIR,"images\\descriptor_list.txt"),'r') as f:
    for line in f:
        folder_path = os.path.join(ROOT_DIR,"images\\",line[:-1]+"\\","*.key")
        list_key = glob.glob(folder_path)

        test2 = []
        for key in list_key:
            if os.path.isfile(key):
                feat = Features()
                feat.readFromFile(key)
                test = feat.descriptors
                test2 = test2+test
         featMatch.add(test2)

# Read submitted picture features
feat = Features()
feat.readFromFile(os.path.join(ROOT_DIR,"submitted_picture\\sub.key"))
matches = []
matches.append(featMatch.knnMatch(np.array(feat.descriptors), k=3))
print(matches)

我期待在查看匹配项时，更具体地说，查看匹配项的 imgIdx，根据我使用“add”方法添加的描述符集的数量，告知匹配特征（trainIdx）对应的图像索引。

但是按照这个假设，我应该能够让 imgIdx 大于我的训练集中的图像（或训练集）的数量。

但是，在这里，我得到了诸如 2960 之类的数字，而我的训练集中只有大约 5 张图像。

我的猜测是它返回特征索引而不是图像索引，但我不知道为什么。

我注意到 C++ 中的“添加”方法需要一个数组数组，其中我们有一个描述符集列表（我猜每个图像都有一个）。但是在这里，我对每个图像都有不同数量的特征，所以我不能真正创建一个每列中具有不同行数的 numpy 数组。

谢谢。

4

1 回答 1

1

在查看了matcher.cpp的C++源代码后，我终于弄明白了：

https://github.com/opencv/opencv/blob/master/modules/features2d/src/matchers.cpp

我会发布答案，以防有一天有人需要它。

我认为“添加”方法会在调用时增加图像计数，但事实并非如此。所以，我意识到我必须创建一个 Mat 列表（或 python 中的 numpy 数组），并给它一次“添加”，而不是为每个图像调用它。

所以这里是更新（和工作）的源代码：

with open(os.path.join(ROOT_DIR,"images\\descriptor_list.txt"),'r') as f:
    list_image_descriptors = []
    for line in f:
        folder_path = os.path.join(ROOT_DIR,"images\\",line[:-1]+"\\","*.key")
        list_key = glob.glob(folder_path)

        for key in list_key:
            if os.path.isfile(key):
                feat = Features()
                feat.readFromFile(key)
                img_descriptors = np.array(feat.descriptors)
        list_image_descriptors.append(img_descriptors)
     featMatch.add(list_image_descriptors)

# Read submitted picture features
feat = Features()
feat.readFromFile(os.path.join(ROOT_DIR,"submitted_picture\\sub.key"))
matches = []
matches.append(featMatch.knnMatch(np.array(feat.descriptors), k=3))
print(matches)

希望这可以帮助。

于 2019-02-10T16:39:13.553 回答