Индекс соответствия Flann в OpenCV в python - PullRequest
Новая
       23

Индекс соответствия Flann в OpenCV в python

0 голосов
/ 16 января 2019

Я реализую программу, которая должна сопоставить изображение (img1) с очень похожим изображением (обычно это просто другое разрешение, освещение, иногда перевод) из набора из 15-30 изображений.

Я использую детектор функций ORB и Flann matcher. Чтобы использовать средство сопоставления, я вычисляю ключевые точки и дескрипторы для первого изображения (img1), а затем для каждого изображения из набора запускаю сопоставление флангов, сравнивая каждое из изображений с img1 и получаю лучший результат.

Однако, если я правильно понял, есть нечто, называемое «Индекс соответствия Flann», которое можно обучить для набора и чем выбрать лучшее соответствие для вас. Это правильно? Если так, как я могу использовать его с python? Я видел несколько примеров для C ++, но не для Python. Есть ли какая-то документация, которую я пропустил?

РЕДАКТИРОВАТЬ: В основном я хочу знать, возможно ли что-то вроде это возможно в Python

1 Ответ

0 голосов
/ 16 января 2019

это то, что вы хотите? 

import numpy as np
import cv2
from matplotlib import pyplot as plt

img1 = cv2.imread( file1,0)          # queryImage
img2 = cv2.imread( file2,0) # trainImage

# Initiate SIFT detector
orb = cv2.ORB_create()

# find the keypoints and descriptors with SIFT
kp1, des1 = orb.detectAndCompute(img1,None)
kp2, des2 = orb.detectAndCompute(img2,None)

# FLANN parameters
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)

des1 = np.float32(des1)
des2 = np.float32(des2)

matches = flann.knnMatch(des1,des2,k=2)

# Need to draw only good matches, so create a mask
matchesMask = [[0,0] for i in range(len(matches))]

# ratio test as per Lowe's paper
for i,(m,n) in enumerate(matches):
    if m.distance < 0.7*n.distance:
        matchesMask[i]=[1,0]

draw_params = dict(matchColor = (0,255,0),
                   singlePointColor = (255,0,0),
                   matchesMask = matchesMask,
                   flags = 0)

img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_params)

plt.imshow(img3,),plt.show()
...