8.6. 特征匹配¶
8.6.1. 目标¶
8.6.2. 蛮力匹配器基础¶
蛮力匹配器很简单。它获取第一组中一个特征的描述符，并通过一些距离计算与第二组中的所有其他特征匹配。最接近的一个被退回。
对于BF matcher，首先我们必须使用 cv2.BFMatcher（） . 它需要两个可选参数。第一个是 normType . 它指定要使用的距离测量。默认情况下，它是 cv2.NORM_L2 . 它有助于筛分、冲浪等 (cv2.NORM_L1 也在那里）。对于基于二进制字符串的描述符，如ORB、BRIEF、BRISK等， cv2.NORM_HAMMING 应该使用，它使用汉明距离作为测量。如果ORB正在使用 VTA_K == 3 or 4 ， cv2.NORM_HAMMING2 应该使用。
第二个参数是布尔变量， crossCheck 这在默认情况下是错误的。如果是真的，Matcher只返回那些值为（i，j）的匹配，使得集合A中的i-th描述符具有集合B中的j-th描述符作为最佳匹配，反之亦然。也就是说，两个集合中的两个特性应该相互匹配。它提供了一致的结果，是D.Lowe在SIFT论文中提出的比率测试的一个很好的替代品。
一旦创建，两个重要的方法是 BFMatcher.match（） 和 BFMatcher.knnMatch（） . 第一个返回最佳匹配。第二个方法返回 \(k\) 用户指定k的最佳匹配。当我们需要在这方面做更多的工作时，它可能是有用的。
就像我们使用cv2.draw keypoints（）来绘制关键点一样， 图匹配（） 帮助我们画火柴。它水平堆叠两个图像，并从第一个图像到第二个图像绘制线，显示最佳匹配。还有 cv2.drawMatchesKnn 它吸引了所有的k个最佳匹配。如果k=2，它将为每个关键点绘制两条匹配线。所以如果我们想有选择地画出一个面具，我们必须通过它。
让我们看一个SURF和ORB的例子（它们都使用不同的距离测量）。
8.6.3. 暴力匹配球描述符¶
在这里，我们将看到一个关于如何匹配两个图像之间的特征的简单示例。在这种情况下，我有一个queryImage和一个trainImage。我们将尝试使用特征匹配来查找trainImage中的queryImage。（图片是 /samples/c/box.png 和 /samples/c/box_in_scene.png ）
我们使用SIFT描述符来匹配特性。所以让我们从加载图像、查找描述符等开始。
>>> import numpy as np
>>> import cv2 as cv
>>> import matplotlib.pyplot as plt
>>> img1 = cv.imread('/cvdata/box.png',cv.IMREAD_GRAYSCALE) # queryImage
>>> img2 = cv.imread('/cvdata/box_in_scene.png',cv.IMREAD_GRAYSCALE) # trainImage
>>> # Initiate ORB detector
>>> orb = cv.ORB_create()
>>> # find the keypoints and descriptors with ORB
>>> kp1, des1 = orb.detectAndCompute(img1,None)
>>> kp2, des2 = orb.detectAndCompute(img2,None)
接下来我们创建一个带有距离测量的BFMatcher对象 cv2.NORM_HAMMING （因为我们正在使用ORB）和 crossCheck 打开以获得更好的结果。然后我们使用Matcher.match（）方法在两个图像中获得最佳匹配。我们按照距离的升序对它们进行排序，以便最佳匹配（低距离）出现在前面。然后我们只画了前10场比赛（只是为了可见性）。你可以随意增加）
>>> # create BFMatcher object
>>> bf = cv.BFMatcher(cv.NORM_HAMMING, crossCheck=True)
>>> # Match descriptors.
>>> matches = bf.match(des1,des2)
>>> # Sort them in the order of their distance.
>>> matches = sorted(matches, key = lambda x:x.distance)
>>> # Draw first 10 matches.
>>> img3 = cv.drawMatches(img1,kp1,img2,kp2,matches[:10],None,flags=cv.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
>>> plt.imshow(img3),plt.show()
(<matplotlib.image.AxesImage at 0x7f21935be780>, None)
下面是我得到的结果：
这个匹配对象是什么？¶
结果 matches = bf.match(des1,des2) 行是DMatch对象的列表。此DMatch对象具有以下属性：
DMatch.distance-描述符之间的距离。越低越好。
DMatch.trainIdx-列车描述符中描述符的索引
DMatch.queryIdx-查询描述符中描述符的索引
DMatch.imgIdx-列车图像索引。