【OpenCV】97 基于描述子匹配的已知对象定位

97 基于描述子匹配的已知对象定位

代码

import cv2 as cv
import numpy as np

box = cv.imread("../images/box.png");
box_in_sence = cv.imread("../images/box_in_scene.png");
cv.imshow("box", box)
cv.imshow("box_in_sence", box_in_sence)

# 创建ORB特征检测器
orb = cv.ORB_create()
kp1, des1 = orb.detectAndCompute(box,None)
kp2, des2 = orb.detectAndCompute(box_in_sence,None)

# 暴力匹配
bf = cv.BFMatcher(cv.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1,des2)

# 发现匹配
maxdist = 0
goodMtachs = []
for m in matches:
    maxdist = max(maxdist, m.distance)
for m in matches:
    if m.distance < 0.4 * maxdist:
        goodMtachs.append(m)

# 找到本地化对象
obj_pts = np.float32([kp1[m.queryIdx].pt for m in goodMtachs]).reshape(-1, 1, 2)
scene_pts = np.float32([kp2[m.trainIdx].pt for m in goodMtachs]).reshape(-1, 1, 2)

# findHomography函数是计算变换矩阵
M, mask = cv.findHomography(obj_pts, scene_pts, cv.RANSAC)

# 获取box的图像尺寸
h, w, _ = box.shape

obj_corners = np.float32([[0, 0], [w, 0], [w, h], [0, h]]).reshape(-1, 1, 2)
scene_corners = cv.perspectiveTransform(obj_corners, M)

box_in_sence = cv.polylines(box_in_sence, [np.int32(scene_corners)], True, (0, 0, 255), 3, cv.LINE_AA)

# 绘制匹配
result = cv.drawMatches(box, kp1, box_in_sence, kp2, goodMtachs, None)
cv.imshow("orb-match", result)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

图像特征点检测、描述子生成以后，就可以通过OpenCV提供的描述子匹配算法，得到描述子直接的距离，距离越小的说明是匹配越好的，设定一个距离阈值，一般是最大匹配距离的1/5～1/4左右作为阈值，得到所有小于阈值的匹配点，作为输入，通过单应性矩阵，获得这两个点所在平面的变换关系H，根据H使用透视变换就可以根据输入的对象图像获得场景图像中对象位置，最终绘制位置即可。

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。