匹配两张图像的关键点

Question

3

如何在不使用opencv匹配器的情况下匹配两个图像的特征？我已经检测到它们的关键点和描述符。

kp1, des1 = sift.detectAndCompute(gray1,None)
kp2, des2 = sift.detectAndCompute(gray2,None)

如果我理解正确，我应该将des1中的每个描述符与des2中的每个描述符进行比较，并找到最佳匹配。但是我该如何进行比较呢？

- Michał Lewczuk

你曾经想过计算des1和des2之间的欧氏距离吗？你可以使用numpy模块中的np.linalg.norm(des1 - des2)。 - Jeru Luke

只使用描述符 mat 条目。例如，匹配 = 最低平方距离之和，从一个描述符到每个其他图像的距离将是某种暴力匹配器。 - Micka

你可以编写自己的OpenCV匹配器类 ;) - Micka

1个回答

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

- samorr · Accepted Answer

一个点的SIFT描述符只是一个128维向量，因此您可以简单地计算每两个向量之间的欧几里得距离，并匹配最近的一对。

从opencv SIFT中，您可以获取名为des1和des2的数组，它们是每个点的SIFT向量数组。您可以通过numpy广播计算每一对之间的距离，如下所示：

distance = np.sqrt(np.sum((des1[:, np.newaxis, :] - des2[np.newaxis, :, :]) ** 2, axis=-1))

现在，在distance的每一行中，您都可以看到来自kp1的特定关键点与kp2的每个关键点之间的欧几里得距离。

这种方法很简单，但通常不是非常有效。如果您想自己实现更复杂的匹配器，则应阅读一些SIFT论文。