Opencv中关于特征点匹配定位的问题

• 回顾
• 定位

回顾

在我们检测到特征点之后，通常进行特征点的匹配。
首先我们先回顾一下使用Brute-Force匹配器来进行匹配。

import cv2
import numpy as np
import matplotlib.pyplot as plt#读取图片
img=cv2.imread('./newmm.png')
tem=cv2.imread('./templa.png')#创建特征点检测器
orb=cv2.ORB_create()
#创建BF特征点匹配器
bf=cv2.BFMatcher_create()#检测原图特征点
kp1,des1=orb.detectAndCompute(img,mask=None)
#检测模板图特征点
kp2,des2=orb.detectAndCompute(tem,mask=None)
#进行匹配
res=bf.match(des1,des2)
#将匹配点按照距离排序
res=sorted(res,key=lambda x:x.distance)
#将最相近的10个点绘画出来
newimg=cv2.drawMatches(img,kp1,tem,kp2,res[:10],None)
#绘制原图特征点
img=cv2.drawKeypoints(img,kp1,None,color=[0,0,255])
tem=cv2.drawKeypoints(tem,kp2,None,color=[0,255,0])
#显示图片
def imshow(img,axis,title=None):axis=str(axis[0])+str(axis[1])for i in range(len(img)):plt.subplot(int(axis + str(i+1)))if title:plt.title(title[i])i=cv2.cvtColor(img[i],cv2.COLOR_BGR2RGB)plt.imshow(i)plt.show()all_img=[img,tem,newimg]
all_title=['img','tem','newimg']
imshow(all_img,[2,2],all_title)

然后效果如下：

定位

那么问题来了，如何对检测完成之后进行坐标定位呢。
首先我们要看bf.match生成的结果：

res=bf.match(des1,des2)
print(res)

(, , , .....）

可以看见生成的是迭代器，是类的对象。
那么我们依然可以通过dir(res[0])进行访问对象的属性。

['__class__','__delattr__','__dir__','__doc__','__eq__','__format__','__ge__','__getattribute__','__gt__','__hash__','__init__','__init_subclass__','__le__','__lt__','__module__','__ne__','__new__','__reduce__','__reduce_ex__','__repr__','__setattr__','__sizeof__','__str__','__subclasshook__','distance','imgIdx','queryIdx','trainIdx']

然后把需要的'distance','imgIdx' 'queryIdx', 'trainIdx'打印出来：

print(res[0].distance)
print(res[0].imgIdx)
print(res[0].queryIdx)
print(res[0].trainIdx)

0.0
0
0
13

但是看着发现是一头雾水，只有res[0].distance知道说明含义。于是只能取opencv官网查阅

由于英语水平有限加上描述过于简单，只能凭借感觉来猜测。

有了这个之后，便自己尝试了一下，由于匹配结果是进行排序后，也就是越前面准确度越高，所以直接拿前面进行尝试。
思路是这样，将两张图片(原图和模板图)前十个res进行获得最小值坐标和最大值坐标(也就是框的左上角和右上角)，然后进行描绘出来，看两遍的图片框的位置是否一样。
代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt#读取图片
img=cv2.imread('./newmm.png')
tem=cv2.imread('./templa.png')#创建特征点检测器
orb=cv2.ORB_create()
#创建BF特征点匹配器
bf=cv2.BFMatcher_create()#检测原图特征点
kp1,des1=orb.detectAndCompute(img,mask=None)
#检测模板图特征点
kp2,des2=orb.detectAndCompute(tem,mask=None)
#进行匹配
res=bf.match(des1,des2)#将匹配点按照距离排序
res=sorted(res,key=lambda x:x.distance)def get_rect(res,kp,idx=0):point_img=[]#获得前十res个对应的点for i in res[:10]:if idx==0:center=cv2.KeyPoint_convert(kp,keypointIndexes=[i.queryIdx])elif idx==1:center = cv2.KeyPoint_convert(kp, keypointIndexes=[i.trainIdx])center=[int(np.ravel(center)[0]),int(np.ravel(center)[1])]point_img.append(center)#获得框的左上角点和右下角点minres=np.argmin(point_img,axis=0)maxres=np.argmax(point_img,axis=0)minpoint=[point_img[minres[0]][0],point_img[minres[1]][1]]maxpoint=[point_img[maxres[0]][0],point_img[maxres[1]][1]]return minpoint,maxpointmin1,max2=get_rect(res,kp1,0)
min3,max4=get_rect(res,kp2,1)cv2.rectangle(tem,min3,max4,[255,0,0],4,16)
cv2.rectangle(img,min1,max2,[255,0,0],4,16)#将最相近的10个点绘画出来
newimg=cv2.drawMatches(img,kp1,tem,kp2,res[:10],None)
#绘制原图特征点
img=cv2.drawKeypoints(img,kp1,None,color=[0,0,255])
tem=cv2.drawKeypoints(tem,kp2,None,color=[0,255,0])
#显示图片
def imshow(img,axis,title=None):axis=str(axis[0])+str(axis[1])for i in range(len(img)):plt.subplot(int(axis + str(i+1)))if title:plt.title(title[i])i=cv2.cvtColor(img[i],cv2.COLOR_BGR2RGB)plt.imshow(i)plt.show()all_img=[img,tem,newimg]
all_title=['img','tem','newimg']
imshow(all_img,[2,2],all_title)

效果如下：



可以发现完全匹配上了!!
我只需要绘制出原图的框就可以实现对目标的检测了