Java OpenCV-从knnMatch提取匹配项

Java OpenCV-从knnMatch提取匹配项

如其他答案所述，有几种方法可以消除异常值和不良匹配项。我猜您找到了示例和教程，

match

而不是

knnMatch

利用其中的一些方法。

因此，您可能知道不同之处在于

knnMatch

，

descriptor2

针对中的每个描述符返回n个最佳匹配

descriptor1

。这意味着，您将获得匹配列表的列表，而不是匹配列表。我想这就是您遇到问题的原因。

使用的主要优点

knnMatch

是可以执行比率测试。因此，如果从一个描述符输入

descriptor1

到两个最佳描述符的

descriptor2

距离相似，则表明图像中存在重复的图案（例如，草丛前的栅栏尖端）。因此，此类匹配不可靠，应将​​其删除。（我不确定为什么要搜索五个最佳匹配-

knnMatch

每个描述符将5传递给-。而是搜索两个。）

如果现在只想访问每个描述符的最佳匹配，则只需要访问“子列表”的第一个元素。在下面的示例中，您将找到使用RANSAC进行比率测试和单应性估计的示例（我在替换了所有内容

knnMatch

）：

    // ratio test    linkedList<DMatch> good_matches = new linkedList<DMatch>();    for (Iterator<MatOfDMatch> iterator = matches.iterator(); iterator.hasNext();) {        MatOfDMatch matOfDMatch = (MatOfDMatch) iterator.next();        if (matOfDMatch.toArray()[0].distance / matOfDMatch.toArray()[1].distance < 0.9) { good_matches.add(matOfDMatch.toArray()[0]);        }    }    // get keypoint coordinates of good matches to find homography and remove outliers using ransac    List<Point> pts1 = new ArrayList<Point>();    List<Point> pts2 = new ArrayList<Point>();    for(int i = 0; i<good_matches.size(); i++){        pts1.add(keypoints1.toList().get(good_matches.get(i).queryIdx).pt);        pts2.add(keypoints2.toList().get(good_matches.get(i).trainIdx).pt);    }    // convertion of data types - there is maybe a more beautiful way    Mat outputMask = new Mat();    MatOfPoint2f pts1Mat = new MatOfPoint2f();    pts1Mat.fromList(pts1);    MatOfPoint2f pts2Mat = new MatOfPoint2f();    pts2Mat.fromList(pts2);    // Find homography - here just used to perform match filtering with RANSAC, but could be used to e.g. stitch images    // the smaller the allowed reprojection error (here 15), the more matches are filtered     Mat Homog = Calib3d.findHomography(pts1Mat, pts2Mat, Calib3d.RANSAC, 15, outputMask, 2000, 0.995);    // outputMask contains zeros and ones indicating which matches are filtered    linkedList<DMatch> better_matches = new linkedList<DMatch>();    for (int i = 0; i < good_matches.size(); i++) {        if (outputMask.get(i, 0)[0] != 0.0) { better_matches.add(good_matches.get(i));        }    }    // DRAWING OUTPUT    Mat outputImg = new Mat();    // this will draw all matches, works fine    MatOfDMatch better_matches_mat = new MatOfDMatch();    better_matches_mat.fromList(better_matches);    Features2d.drawMatches(img1, keypoints1, img2, keypoints2, better_matches_mat, outputImg);    // save image    Imgprecs.imwrite("result.jpg", outputImg);

我希望这足以作为一个例子。可以类似地应用其他过滤方法。如果您还有其他问题，请随时询问。

编辑： 单应过滤仅在您的大多数关键点位于场景中的同一平面（例如墙等）上时才有效。