OpenCV中的BFMatcher匹配出现错误

Question

OpenCV中的BFMatcher匹配出现错误

20

我正在使用SURF描述符进行图像匹配。我计划将给定的图像与图像数据库进行匹配。

import cv2
import numpy as np
surf = cv2.xfeatures2d.SURF_create(400)

img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

kp1,des1 = surf.detectAndCompute(img1,None)
kp2,des2 = surf.detectAndCompute(img2,None)


bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=True)
#I am planning to add more descriptors
bf.add(des1)

bf.train()

#This is my test descriptor
bf.match(des2)

问题出在 bf.match 上，我遇到了以下错误：

OpenCV Error: Assertion failed (type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U)) in batchDistance, file /build/opencv/src/opencv-3.1.0/modules/core/src/stat.cpp, line 3749
Traceback (most recent call last):
  File "image_match4.py", line 16, in <module>
    bf.match(des2)
cv2.error: /build/opencv/src/opencv-3.1.0/modules/core/src/stat.cpp:3749: error: (-215) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function batchDistance

错误与此帖子相似。所给出的解释是不完整和不充分的。我想知道如何解决这个问题。我也使用了ORB描述符，并用NORM_HAMMING距离的BFMatcher。但错误仍然存在。非常感谢您的任何帮助。

我使用的两张图片为：

box.png

box_in_scene.png

我正在使用Python 3.5.2和OpenCV 3.1.x在linux上。

- motiur

那么.detectAndCompute是从OpenCV 3x及以上版本开始出现的吗？我正在使用2.4版本，但它显示“找不到模块对象”... - alisa

这取决于OpenCV的版本。请遵循2.4或3.x中的任一版本。 - motiur

5个回答

6

我遇到了相同的错误。但在我的情况下，是因为我在cv2.BFMatcher_create中使用了带有cv2.NORM_HAMMING度量的SIFT。将度量更改为cv2.NORM_L1解决了这个问题。

引用BFMatcher文档:

“normType” - “NORM_L1”，“NORM_L2”，“NORM_HAMMING”，“NORM_HAMMING2”之一。对于SIFT和SURF描述符，L1和L2范数是更好的选择，ORB、BRISK和BRIEF应使用NORM_HAMMING，当WTA_K==3或4时，ORB应使用NORM_HAMMING2（请参见ORB::ORB构造函数描述）。

- Georgy

6

我发现我遇到了相同的错误。花了一段时间才弄清楚——我的一些图像没有明显特征，因此没有找到关键点，detectAndCompute返回描述符的值为None。在传递给BFMatcher.add()之前，检查描述符列表中是否有None元素可能是值得的。

- eldorz

6

编辑：使用的版本为Python 3.6和OpenCV 3.4.1

我在编写一个程序，根据用户的选择使用SIFT或ORB，遇到了很多困难。最终，我找到了适用于SIFT和ORB的正确参数BFMatcher。

import cv2
import numpy as np

# ask user whether to use SIFT or ORB
detect_by = input("sift or orb")

Creating matcher object

if detect_by == "sift":
    matcher = cv2.BFMatcher(normType=cv2.NORM_L2, crossCheck=False)

elif detect_by is "orb":
    matcher = cv2.BFMatcher(normType=cv2.NORM_HAMMING, crossCheck=False)

While capturing and processing frames

while there_is_frame_to_process:
    if detect_by is "sift":
        matches = matcher.knnMatch(np.asarray(gray_des, np.float32), np.asarray(target_des, np.float32), k=2)

    elif detect_by is "orb":
        matches = matcher.knnMatch(np.asarray(gray_des, np.uint8), np.asarray(target_des, np.uint8), k=2)

- Ali Eren Çelik

0

在我的情况下，使用ORB时的问题是它无法找到帧的特征，并检查它是否为空。

qImageKeypoints, qImageDescriptors = orb.detectAndCompute(query_img_bw, None)
trainKeypoints, trainDescriptors = orb.detectAndCompute(train_img_bw, None)

if trainDescriptors is None:
    return False
else:
    # check some matching of the two images
    matcher = cv2.BFMatcher(cv2.NORM_HAMMING,crossCheck=False)
    matches = matcher.match(qImageDescriptors, trainDescriptors)

- wanjiku

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- saurabheights · Accepted Answer

搜索两张图片之间的描述符，请使用：

img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

kp1,des1 = surf.detectAndCompute(img1,None)
kp2,des2 = surf.detectAndCompute(img2,None)


bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=False)
matches = bf.match(des1,des2)

搜索多个图像

使用add方法添加多个测试图像的描述符。一旦所有描述符都被索引，您可以运行train方法来构建一个底层数据结构(例如：KdTree，用于在FlannBasedMatcher的情况下进行搜索)。然后，您可以运行match来查找哪张测试图像更接近哪张查询图像。您可以查看K-d_tree，了解它如何用于搜索多维向量(Surf提供了64维向量)。

注意： BruteForceMatcher，顾名思义，没有内部搜索优化数据结构，因此train方法为空。

多图像搜索的代码示例

import cv2
import numpy as np
surf = cv2.xfeatures2d.SURF_create(400)

# Read Images
train = cv2.imread('box.png',0)
test = cv2.imread('box_in_scene.png',0)

# Find Descriptors    
kp1,trainDes1 = surf.detectAndCompute(train, None)
kp2,testDes2  = surf.detectAndCompute(test, None)

# Create BFMatcher and add cluster of training images. One for now.
bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=False) # crossCheck not supported by BFMatcher
clusters = np.array([trainDes1])
bf.add(clusters)

# Train: Does nothing for BruteForceMatcher though.
bf.train()

matches = bf.match(testDes2)
matches = sorted(matches, key = lambda x:x.distance)

# Since, we have index of only one training image, 
# all matches will have imgIdx set to 0.
for i in range(len(matches)):
    print matches[i].imgIdx

有关于bf.match的DMatch输出，请参考文档。

查看完整的示例请点击这里：Opencv3.0文档。

其他信息

操作系统：Mac。
Python版本：2.7.10。
Opencv版本：3.0.0-dev [如果记得正确，是通过brew安装的]。