OpenCV特征匹配

1、OpenCV Brute-Force匹配器

Brute-Force匹配器的匹配方法非常简单,输入两张图像对应的特征(特征点坐标与特征点域对应的描述子),循环遍历两幅图像中的特征,计算第一幅图像与第二幅图像之间每个特征之间的距离,然后返回距离最近的特征点对或者返回距离最近的k个特征点对。OpenCV中的Brute-Force特征匹配一般用cv2.BFMatcher类实现,类构建方法定义如下:

cpp 复制代码
cv2.BFMatcher(normType, crossCheck)

normType参数用于指定特征比对的范式,常见的可选的类型与所适应的主要特征检测与描述算法如下:

cs 复制代码
# SIFT、SURF等
normType = cv2.NORM_L2
normType = cv2.NORM_L1

# BRISK、ORB等
normType = cv2.NORM_HAMMING

crossCheck参数为交叉检验参数,约束输出结果的默认的类型为False。若记输出的一对特征点对为(p1,p2),(p1,p2)所对应的特征对为(feature1,feature2),当参数为False时,匹配对(p1,p2)所对应的特征只需要满足下述的条件①;当默认类型调整为True时,则匹配输出的匹配对会更加严格,匹配对(p1,p2)所对应的特征则需要同时满足下述的条件①与条件②。

①第一幅图像中的特征feature1与第二幅图像中的所有的特征比较后与feature2距离最近;

②第二幅图像中的特征feature2与第一幅图像中的所有的特征比较后与feature1距离最近。

下图将两幅图像之间的每个特征点之间的匹配分数做下可视化,横竖分别表示第一幅图与第二幅图,颜色越红则表示距离越近。则条件①表示只需满足一行中颜色最红即可,如匹配对(27,8);而条件①②则表示行列中均满足颜色最红,如匹配对(16,36)。

2、cv2.BFMatcher的两种比对方法

2.1、match方法

match方法输出结果为距离最近的特征点对,输出结果中第一幅图像中每个特征点在第二幅中只有唯一的一个匹配特征点结果。

2.2、knnMatch方法

knnMatch方法输出结果为距离最近的1~k个特征点对,常见的设置为k=2,输出结果中第一幅图像中每个特征点在第二幅图像中可以有1~k个匹配结果。输出的k个匹配对需要进一步处理,从而确定一个特征点对是否是更加可靠的、更加具有特征性的,一般处理方式为比较k个特征点对之间的距离,若距离相近则说明第一幅图像中的对应特征点在第二幅图像中有多个相近的特征点,则说明该对特征点不太能确定这多个相近的特征点中那个才是正确匹配,说明该特征点对不可靠,反之则说明该特征点对匹配结果为更加可靠,可以暂定k对中距离最近的匹配对为正确匹配。

具体的匹配可视化示例如下图所示:

相关推荐
liuhaoran___19 分钟前
计算机求职面试中高频出现的经典题目分类整理
python
jndingxin1 小时前
OpenCV 图形API(4)内核 API
opencv
不辉放弃1 小时前
零基础讲解pandas
开发语言·python
databook1 小时前
线性判别分析(LDA):降维与分类的完美结合
python·机器学习·scikit-learn
慕丹1 小时前
虫洞数观系列三 | 数据分析全链路实践:Pandas清洗统计 + Navicat可视化呈现
python·mysql·数据挖掘·数据分析·pandas
ZHW_AI课题组1 小时前
调用阿里云API实现运营商实名认证
python·阿里云·云计算·api
闲人编程1 小时前
图像插值算法(最近邻/双线性/立方卷积)
python·opencv·图像识别
创新技术阁2 小时前
FastAPI 的两大核心组件:Starlette 和 Pydantic 详解
后端·python
关山月2 小时前
被低估的服务器发送事件(SSE)
python
DeepLink2 小时前
Python小练习系列:学生信息排序(sorted + key函数)
python·求职