21-特征匹配方法(Brute-Force蛮力匹配)

Brute-Force蛮力匹配

cv2.BFMatcher(crossCheck = True)
crossCheck表示两个特征点相互匹配
例如A中的第i个特征点与B中的第j个特征点最近，并且B中的第j个特征点到A中的第i个特征点也是
NORM_L2：归一化数组的(欧几里得距离)，如果其他特征计算方法需要考虑不同的匹配计算方法

import cv2
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inlinedef show_photo(name,picture):#图像显示函数cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img1 = cv2.imread('E:\Jupyter_workspace\study\data/box.png',0)
img2 = cv2.imread('E:\Jupyter_workspace\study\data/box_1.png',0)show_photo('img1',img1)
show_photo('img2',img2)sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(img1,None)#kp1为关键点，des1为对应的特征向量
kp2, des2 = sift.detectAndCompute(img2,None)
bf = cv2.BFMatcher(crossCheck = True)#1对1的匹配
matches = bf.match(des1,des2)
matches = sorted(matches, key = lambda x:x.distance)
img3 = cv2.drawMatches(img1, kp1, img2, kp2, matches[:10], None, flags=2)
show_photo('img3',img3)#k对最佳匹配
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2,k=2)good = []
for m,n in matches:if m.distance <0.75 * n.distance:good.append([m])img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=2)
show_photo('img3',img3)

模板：

原图：

1对1的匹配：

k对最佳匹配：

如果需要更更快速的完成操作，可以尝试使用cv2.FlannBasedMatches

21-特征匹配方法(Brute-Force蛮力匹配)相关推荐

JavaScript实现MaximumSubarray最大子阵列（Brute Force蛮力解决方案）算法（附完整源码）
JavaScript实现MaximumSubarray最大子阵列(Brute Force蛮力解决方案)算法(附完整源码) bfMaximumSubarray.js完整源代码 bfMaximumSuba ...
R语言使用MatchIt包进行倾向性匹配分析（设置匹配方法为nearest，匹配倾向性评分最近的对照组和病例组，1:1配比）、使用match.data函数构建匹配后的样本集合
R语言使用MatchIt包进行倾向性匹配分析(设置匹配方法为nearest,匹配倾向性评分最近的对照组和病例组,1:1配比).使用match.data函数构建匹配后的样本集合目录
python正则匹配ip地址_IP地址正则表达式匹配方法，ip正则表达式匹配
IP地址正则表达式匹配方法,ip正则表达式匹配正则表达式(Regular Expression,在代码中常简写为regex.regexp或RE)是计算机科学的一个概念.正则表达式使用单个字符串来描述 ...
NLP--文本丶语义匹配方法概述详解
文本匹配和语义匹配 1.什么是文本匹配? 文本匹配是自然语言处理中一个重要的基础问题,可以应用于大量的NLP任务中,如信息检索.问答系统.复述问题.对话系统.机器翻译等,这些NLP任务在很大程度上可以 ...
nc65语义模型设计_文本匹配方法系列––多维度语义交互匹配模型
摘要本文基于接着多语义匹配模型[1]和BERT匹配模型[2]介绍一些多维度语义交互匹配模型,包括2017 BiMPM模型[3]和腾讯出品的2018 MIX[4].这些方法的核心特征都是在多语义网络的 ...
php 匹配图片路径_php正则匹配图片路径原理与方法
下面我来给大家介绍在php正则匹配图片路径原理与实现方法,有需要了解的朋友可进入参考参考. 提取src=里面的图片地址还不足够,因为不能保证那个地址一定是绝对地址,完全的地址,如果那是相对的呢?如果地 ...
bert模型可以做文本主题识别吗_文本匹配方法系列––BERT匹配模型
1.概述在介绍深层次交互匹配方法之前,本文接着多语义匹配方法[1]介绍基于BERT模型实现文本匹配的方法.将其单独介绍主要因为BERT实现文本匹配操作方便且效果优秀,比较适用于工业应用场景.关于be ...
【图像处理】——特征匹配（SIFT特征检测器+FLANN特征匹配方法+KNN近邻最优匹配筛选）——cv.xfeatures2d.SIFT_create()sift.detectAndCompute
转载请注明地址目录 1.特征检测和特征匹配方法 (1)特征检测算法 (2)特征匹配算法 (3)各种特征检测算法的比较 2.特征匹配的基本步骤(附带主要的函数) (1)图像预处理--灰度化(模板--查 ...
OpenCV精进之路（十五）：特征检测和特征匹配方法汇总
一幅图像中总存在着其独特的像素点,这些点我们可以认为就是这幅图像的特征,成为特征点.计算机视觉领域中的很重要的图像特征匹配就是一特征点为基础而进行的,所以,如何定义和找出一幅图像中的特征点就非常重要. ...

21-特征匹配方法(Brute-Force蛮力匹配)

Brute-Force蛮力匹配

如果需要更更快速的完成操作，可以尝试使用cv2.FlannBasedMatches

21-特征匹配方法(Brute-Force蛮力匹配)相关推荐

最新文章

热门文章