OpenCV 中的 BFMatcher 匹配抛出错误

Question

我正在使用 SURF 描述符进行图像匹配。我打算将给定的图像与图像数据库进行匹配。

import cv2
import numpy as np
surf = cv2.xfeatures2d.SURF_create(400)

img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

kp1,des1 = surf.detectAndCompute(img1,None)
kp2,des2 = surf.detectAndCompute(img2,None)


bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=True)
#I am planning to add more descriptors
bf.add(des1)

bf.train()

#This is my test descriptor
bf.match(des2)

bf.match 的问题是我收到以下错误：

OpenCV Error: Assertion failed (type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U)) in batchDistance, file /build/opencv/src/opencv-3.1.0/modules/core/src/stat.cpp, line 3749
Traceback (most recent call last):
  File "image_match4.py", line 16, in <module>
    bf.match(des2)
cv2.error: /build/opencv/src/opencv-3.1.0/modules/core/src/stat.cpp:3749: error: (-215) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function batchDistance

错误类似于this 帖子。给出的解释不完整且不充分。我想知道如何解决此问题。我也使用了 ORB 描述符以及具有NORM_HAMMING 距离的 BFMatcher。错误再次出现。 任何帮助将不胜感激。

我为此使用的两张图片是：

box.png

box_in_scene.png

我在 linux 中使用 Python 3.5.2 和 OpenCV 3.1.x。

Answer 1

在我使用 ORB 的情况下，问题是它找不到框架的特征并检查它是否为空。

qImageKeypoints, qImageDescriptors = orb.detectAndCompute(query_img_bw, None)
trainKeypoints, trainDescriptors = orb.detectAndCompute(train_img_bw, None)

if trainDescriptors is None:
    return False
else:
    # check some matching of the two images
    matcher = cv2.BFMatcher(cv2.NORM_HAMMING,crossCheck=False)
    matches = matcher.match(qImageDescriptors, trainDescriptors)

Answer 2

编辑：使用 Python 3.6、OpenCV 3.4.1 的版本

根据用户的选择，我在准备使用 SIFT 或 ORB 的程序时遇到了很多困难。最后，我可以为 SIFT 和 ORB

找到正确的 BFMatcher 参数

import cv2
import numpy as np

# ask user whether to use SIFT or ORB
detect_by = input("sift or orb")

1. 创建匹配器对象

   if detect_by == "sift":
       matcher = cv2.BFMatcher(normType=cv2.NORM_L2, crossCheck=False)
   
   elif detect_by is "orb":
       matcher = cv2.BFMatcher(normType=cv2.NORM_HAMMING, crossCheck=False)
   

2. 在捕获和处理帧时

   while there_is_frame_to_process:
       if detect_by is "sift":
           matches = matcher.knnMatch(np.asarray(gray_des, np.float32), np.asarray(target_des, np.float32), k=2)
   
       elif detect_by is "orb":
           matches = matcher.knnMatch(np.asarray(gray_des, np.uint8), np.asarray(target_des, np.uint8), k=2)
   

Answer 3

我遇到了同样的错误。但就我而言，这是因为我在cv2.BFMatcher_create 中使用带有cv2.NORM_HAMMING 指标的SIFT。将指标更改为 cv2.NORM_L1 解决了这个问题。

引用BFMatcher的文档：

normType – NORM_L1、NORM_L2、NORM_HAMMING、NORM_HAMMING2 之一。 L1 和 L2 规范是 SIFT 和 SURF 描述符的首选， NORM_HAMMING 应与 ORB、BRISK 和 Brief 一起使用，NORM_HAMMING2 WTA_K==3 或 4 时应与 ORB 一起使用（请参阅 ORB::ORB 构造函数 描述）。

Answer 4

我发现我遇到了同样的错误。花了一段时间才弄明白——我的一些图像有些无特色，因此没有找到关键点，detectAndCompute 为描述符返回了None。在传递给BFMatcher.add() 之前，可能值得检查None 元素的描述符列表。

Answer 5

要在两个图像的描述符之间搜索，请使用：

img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

kp1,des1 = surf.detectAndCompute(img1,None)
kp2,des2 = surf.detectAndCompute(img2,None)


bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=False)
matches = bf.match(des1,des2)

在多张图片中搜索

add 方法用于添加多个测试图像的描述符。一旦所有描述符都被索引，您运行train 方法来构建底层数据结构（例如：KdTree，它将用于在 FlannBasedMatcher 的情况下进行搜索）。然后，您可以运行match 来查找哪个测试图像与哪个查询图像更匹配。你可以查看K-d_tree，看看它如何用于搜索多维向量（Surf 给出了 64 维向量）。

注意：-BruteForceMatcher，顾名思义，没有内部搜索优化数据结构，因此有空的train方法。

多图像搜索的代码示例

import cv2
import numpy as np
surf = cv2.xfeatures2d.SURF_create(400)

# Read Images
train = cv2.imread('box.png',0)
test = cv2.imread('box_in_scene.png',0)

# Find Descriptors    
kp1,trainDes1 = surf.detectAndCompute(train, None)
kp2,testDes2  = surf.detectAndCompute(test, None)

# Create BFMatcher and add cluster of training images. One for now.
bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=False) # crossCheck not supported by BFMatcher
clusters = np.array([trainDes1])
bf.add(clusters)

# Train: Does nothing for BruteForceMatcher though.
bf.train()

matches = bf.match(testDes2)
matches = sorted(matches, key = lambda x:x.distance)

# Since, we have index of only one training image, 
# all matches will have imgIdx set to 0.
for i in range(len(matches)):
    print matches[i].imgIdx

对于 bf.match 的 DMatch 输出，请参阅docs。

在此处查看完整示例：Opencv3.0 docs。

其他信息

操作系统：Mac。
Python：2.7.10.
Opencv：3.0.0-dev [如果没记错，使用 brew 安装]。