OpenCV Surf и Обнаружение выбросов - PullRequest
Новая
       11

OpenCV Surf и Обнаружение выбросов

4 голосов
/ 13 января 2012

Я знаю, что здесь уже задано несколько вопросов на ту же тему, но я не смог найти никакой помощи.

Итак, я хочу сравнить 2 изображения, чтобы увидеть, насколько они похожи, и я использую хорошо известную демонстрацию find_obj.cpp для извлечения дескрипторов прибоя, а затем для сопоставления использую flannFindPairs.

Но, как вы знаете, этот метод не отбрасывает выбросы, и я хотел бы знать количество истинно положительных совпадений, чтобы понять, насколько похожи эти два изображения.

Я уже видел этот вопрос: Обнаружение выбросов в алгоритме SURF или SIFT с OpenCV , и парень там предлагает использовать findFundamentalMat, но как только вы получите фундаментальную матрицу, как я могу получить количество выбросов / правда положительно от этой матрицы? Спасибо.

Ответы [ 2 ]

5 голосов
/ 13 января 2012

Вот фрагмент из descriptor_extractor_matcher.cpp образца, доступного в OpenCV: 

if( !isWarpPerspective && ransacReprojThreshold >= 0 )
    {
        cout << "< Computing homography (RANSAC)..." << endl;
        vector<Point2f> points1; KeyPoint::convert(keypoints1, points1, queryIdxs);
        vector<Point2f> points2; KeyPoint::convert(keypoints2, points2, trainIdxs);
        H12 = findHomography( Mat(points1), Mat(points2), CV_RANSAC, ransacReprojThreshold );
        cout << ">" << endl;
    }

    Mat drawImg;
    if( !H12.empty() ) // filter outliers
    {
        vector<char> matchesMask( filteredMatches.size(), 0 );
        vector<Point2f> points1; KeyPoint::convert(keypoints1, points1, queryIdxs);
        vector<Point2f> points2; KeyPoint::convert(keypoints2, points2, trainIdxs);
        Mat points1t; perspectiveTransform(Mat(points1), points1t, H12);

        double maxInlierDist = ransacReprojThreshold < 0 ? 3 : ransacReprojThreshold;
        for( size_t i1 = 0; i1 < points1.size(); i1++ )
        {
            if( norm(points2[i1] - points1t.at<Point2f>((int)i1,0)) <= maxInlierDist ) // inlier
                matchesMask[i1] = 1;
        }
        // draw inliers
        drawMatches( img1, keypoints1, img2, keypoints2, filteredMatches, drawImg, CV_RGB(0, 255, 0), CV_RGB(0, 0, 255), matchesMask
#if DRAW_RICH_KEYPOINTS_MODE
                     , DrawMatchesFlags::DRAW_RICH_KEYPOINTS
#endif
                   );

#if DRAW_OUTLIERS_MODE
        // draw outliers
        for( size_t i1 = 0; i1 < matchesMask.size(); i1++ )
            matchesMask[i1] = !matchesMask[i1];
        drawMatches( img1, keypoints1, img2, keypoints2, filteredMatches, drawImg, CV_RGB(0, 0, 255), CV_RGB(255, 0, 0), matchesMask,
                     DrawMatchesFlags::DRAW_OVER_OUTIMG | DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );
#endif
    }
    else
        drawMatches( img1, keypoints1, img2, keypoints2, filteredMatches, drawImg );

Ключевые строки для фильтрации выполняются здесь: 

if( norm(points2[i1] - points1t.at<Point2f>((int)i1,0)) <= maxInlierDist ) // inlier
                matchesMask[i1] = 1;

Что измеряет расстояние L2-нормы между точками (либо 3 пикселя, если ничего не было указано, либо определенная пользователем ошибка повторного проецирования количества пикселей).

Надеюсь, это поможет!

1 голос
/ 09 мая 2012

Вы можете использовать размер вектора с именем "ptpairs", чтобы решить, насколько похожи картинки.этот вектор содержит совпадающие ключевые точки, поэтому его размер / 2 - это количество совпадений.Я думаю, что вы можете использовать размер ptpairs, деленный на общее количество ключевых точек, чтобы установить соответствующий порог.это, вероятно, даст вам оценку подобия между ними.

...