BFMatcher 中匹配的 OpenCV 长度

Question

我正在尝试在两个图像上使用 SIFT，并在 OpenCV 中使用 BFMatcher 匹配关键点。

但是，匹配的数量不等于查询描述符的数量。有人可以解释为什么它们不相等吗？

根据文档 match()功能“从查询集中找到每个描述符的最佳匹配。”

import cv2
import numpy as np

im1 = cv2.imread("trex1.png", cv2.IMREAD_GRAYSCALE)
im2 = cv2.imread("trex2.png", cv2.IMREAD_GRAYSCALE)

sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(im1, None)
kp2, des2 = sift.detectAndCompute(im2, None)

im_kp1 = np.zeros(im1.shape, dtype=np.uint8)
im_kp2 = np.zeros(im1.shape, dtype=np.uint8)
im_kp1 = cv2.drawKeypoints(im1,kp1,None)
im_kp2 = cv2.drawKeypoints(im2,kp2,None)

bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)
matches = bf.match(des1,des2)

print len(des1)
# Result : 78
print len(des2)
# Result : 71
print len(matches)
# Result : 55

Answer 1

因为crossCheck=True正在删除一些结果。

如果您检查构造函数的文档BFMatcher()：

crossCheck如果它为 false，这将是 BFMatcher 为每个查询描述符找到 k 个最近邻居时的默认行为。如果 crossCheck==true，那么 k=1 的 knnMatch() 方法将只返回对 (i,j) 使得对于第 i 个查询描述符，匹配器集合中的第 j 个描述符是最近的，反之亦然，即BFMatcher 只会返回一致的对。当有足够的匹配时，这种技术通常会以最少的异常值产生最佳结果。这是 D. Lowe 在 SIFT 论文中使用的比率测试的替代方法。

这看起来只会影响knnMatch()方法，但match()方法实际上显式调用knnMatch()：

void DescriptorMatcher::match( InputArray queryDescriptors, std::vector<DMatch>& matches, InputArrayOfArrays masks )
{
    CV_INSTRUMENT_REGION()

    std::vector<std::vector<DMatch> > knnMatches;
    knnMatch( queryDescriptors, knnMatches, 1, masks, true /*compactResult*/ );
    convertMatches( knnMatches, matches );
}

如果你设置crossCheck=False（或者只是不指定，False默认情况下），那么你会得到

len(query_descriptors) == len(matches)