Question

我有一个512x512的图像，它提供了6109个SIFT关键点。现在，我旋转了它，然后我得到了6070个SIFT关键点。

我试过了

import cv2
import numpy as np
np.set_printoptions(threshold=np.nan)
img = cv2.imread('home.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
sift = cv2.xfeatures2d.SIFT_create()
kp,des = sift.detectAndCompute(gray,None)
print('kp',len(kp))
print('des',des.shape)
for i in range(len(kp)):
    print('x ',kp[i].pt[0])
    print('y ',kp[i].pt[1])
    print('size',kp[i].size)
    print('response',kp[i].response)
    print('descriptor',np.sort(des[i]))
    print('\n')

将输出发送到文本文件现在我对旋转的图像做了同样的事情你必须注意到我在将128值描述符写入文件之前对其进行排序，这样如果值的顺序在描述符中发生变化，那么在轮换时它仍会匹配。

我的结论是，在12179个描述符（6070 + 6109）中，只有两个是相同的。休息至少差异一个数字，通常是我看到的许多人你能建议一个python代码，它会显示两个图像之间对应关系的x，y坐标吗？此外，在比较描述符时，我必须在这里做一些根本性的错误。请指出。
感谢
。

Answer 1

为什么要对描述符进行排序？ 128维描述符是描述特征关键点的东西（顾名思义）。通过排序，您基本上会丢失关键点/功能的描述。
搜索相同的描述符不是查找对应关系的好方法。你必须找到具有最小欧氏距离（或一些其他距离测量）的描述符，以获得对应关系。在opencv中有许多算法，如Brute force match或基于knn的匹配器或基于flann的匹配器。你必须将描述符作为输入给这些匹配器（不要通过排序或其他操作修改你的decsriptor值）例如
```
kp1, des1 = sift.detectAndCompute(img1,None)
kp2, des2 = sift.detectAndCompute(img2,None)

# BFMatcher with default params
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2, k=2)
```

匹配将具有对应的索引和这些对应之间的距离

您可以根据matches.distance对此匹配进行排序并使用matches.queryIdx和matches.trainIdx

你可以使用kp1获取x和y位置[匹配[idx] .trainIdx]和kp2 [匹配[idx] .queryIdx]

Answer 2

这是Garvita Tiwari提供的细节的实施我使用的是带有opencv 3.4.1的python 2.7.12

import cv2
import numpy as np
src_img = cv2.imread('src.jpg')
test_img = cv2.imread('test.jpg')
src_gray= cv2.cvtColor(src_img,cv2.COLOR_BGR2GRAY)
test_gray= cv2.cvtColor(test_img,cv2.COLOR_BGR2GRAY)
sift = cv2.xfeatures2d.SIFT_create()
src_kp,src_desc = sift.detectAndCompute(src_gray,None)
test_kp,test_desc = sift.detectAndCompute(test_gray,None)
bf = cv2.BFMatcher()
matches = bf.knnMatch(src_desc,test_desc, k=2)
good = []
for m,n in matches:
    if m.distance < 0.75*n.distance:
        good.append([m])
print 'so the correspondences are'
for i in range(len(good)):
    print int(src_kp[good[i][0].queryIdx].pt[0]),int(src_kp[good[i][0].queryIdx].pt[1]) ,'->',int(test_kp[good[i][0].trainIdx].pt[0]) ,int(test_kp[good[i][0].trainIdx].pt[1])

使用SIFT定位图像之间的对应关系

2 个答案: