具有阈值/相似性分数的OpenCV特征匹配的对象检测-Java/C++；

我正在创建一个小程序来检测大图像中的对象（小图像），我正在使用OpenCV java。 当我必须考虑旋转和缩放时，我使用了TraveDebug。p> 以下方法用于过滤匹配结果，以仅获得最佳匹配

我有两个问题

有没有办法通过我使用的循环找到下面的最小距离和最大距离

最重要的问题-现在的问题是我需要使用这些匹配来确定是否找到了对象（模板）。如果有人能在这里帮我就好了

提前谢谢

    FeatureDetector  fd = FeatureDetector.create(FeatureDetector.BRISK); 
    final MatOfKeyPoint keyPointsLarge = new MatOfKeyPoint();
    final MatOfKeyPoint keyPointsSmall = new MatOfKeyPoint();

    fd.detect(largeImage, keyPointsLarge);
    fd.detect(smallImage, keyPointsSmall);

    System.out.println("keyPoints.size() : "+keyPointsLarge.size());
    System.out.println("keyPoints2.size() : "+keyPointsSmall.size());

    Mat descriptorsLarge = new Mat();
    Mat descriptorsSmall = new Mat();

    DescriptorExtractor extractor = DescriptorExtractor.create(DescriptorExtractor.BRISK);
    extractor.compute(largeImage, keyPointsLarge, descriptorsLarge);
    extractor.compute(smallImage, keyPointsSmall, descriptorsSmall);

    System.out.println("descriptorsA.size() : "+descriptorsLarge.size());
    System.out.println("descriptorsB.size() : "+descriptorsSmall.size());

    MatOfDMatch matches = new MatOfDMatch();

    DescriptorMatcher matcher = DescriptorMatcher.create(DescriptorMatcher.BRUTEFORCE_HAMMINGLUT);
    matcher.match(descriptorsLarge, descriptorsSmall, matches);

    System.out.println("matches.size() : "+matches.size());

    MatOfDMatch matchesFiltered = new MatOfDMatch();

    List<DMatch> matchesList = matches.toList();
    List<DMatch> bestMatches= new ArrayList<DMatch>();

    Double max_dist = 0.0;
    Double min_dist = 100.0;

    for (int i = 0; i < matchesList.size(); i++)
    {
        Double dist = (double) matchesList.get(i).distance;

        if (dist < min_dist && dist != 0)
        {
            min_dist = dist;
        }

        if (dist > max_dist)
        {
            max_dist = dist;
        }

    }

    System.out.println("max_dist : "+max_dist);
    System.out.println("min_dist : "+min_dist);

    double threshold = 3 * min_dist;
    double threshold2 = 2 * min_dist;

    if (threshold2 >= max_dist)
    {
        threshold = min_dist * 1.1;
    }
    else if (threshold >= max_dist)
    {
        threshold = threshold2 * 1.4;
    }

    System.out.println("Threshold : "+threshold);

    for (int i = 0; i < matchesList.size(); i++)
    {
        Double dist = (double) matchesList.get(i).distance;
        System.out.println(String.format(i + " match distance best : %s", dist));
        if (dist < threshold)
        {
            bestMatches.add(matches.toList().get(i));
            System.out.println(String.format(i + " best match added : %s", dist));
        }
    }


    matchesFiltered.fromList(bestMatches);

    System.out.println("matchesFiltered.size() : " + matchesFiltered.size());

FeatureDetector fd=FeatureDetector.create（FeatureDetector.BRISK）；
最终MatOfKeyPoint关键点RGE=新MatOfKeyPoint（）；
最终MatOfKeyPoint keyPointsSmall=新MatOfKeyPoint（）；
fd.检测（大图像、关键点变大）；
fd.检测（小图像，关键点小）；
System.out.println（“keyPoints.size（）：”+keyPointsLarge.size（））；
System.out.println（“keyPoints2.size（）：”+keyPointsSmall.size（））；
Mat描述符大=新Mat（）；
材料描述符小=新材料（）；
DescriptorExtractor提取器=DescriptorExtractor.create（DescriptorExtractor.BRISK）；
compute（大图像，关键点大，描述符大）；
compute（smallImage，keyPointsSmall，descriptorsmall）；
System.out.println（“descriptorrsa.size（）：”+descriptorsragle.size（））；
System.out.println（“descriptorsB.size（）：”+descriptorsmall.size（））；
MatOfDMatch matches=新的MatOfDMatch（）；
DescriptorMatcher matcher=DescriptorMatcher.create（DescriptorMatcher.BRUTEFORCE_HAMMINGLUT）；
matcher.match（描述符大，描述符小，匹配）；
System.out.println（“matches.size（）：”+matches.size（））；
MatOfDMatch matchesFiltered=新的MatOfDMatch（）；
List matchesList=matches.toList（）；
List bestMatches=new ArrayList（）；
双最大距离=0.0；
双最小距离=100.0；
对于（int i=0；i最大距离）
{
最大距离=距离；
}
}
系统输出打印项次（“最大距离：+最大距离”）；
系统输出打印项次（“最小距离：+最小距离”）；
双阈值=3*最小距离；
双阈值2=2*最小距离；
如果（阈值2>=最大距离）
{
阈值=最小距离*1.1；
}
否则如果（阈值>=最大距离）
{
阈值=阈值2*1.4；
}
System.out.println（“阈值：+阈值”）；
对于（int i=0；i

---

编辑 按如下方式编辑了我的代码。我知道这仍然不是得出结论的最佳方法，不管对象是否找到，都是基于没有最佳匹配。 所以请分享你的观点

    System.out.println("max_dist : "+max_dist);
    System.out.println("min_dist : "+min_dist);

    if(min_dist > 50 )
    {
        System.out.println("No match found");
        System.out.println("Just return ");
        return false;
    }

    double threshold = 3 * min_dist;
    double threshold2 = 2 * min_dist;

    if (threshold > 75)
    {
        threshold  = 75;
    }
    else if (threshold2 >= max_dist)
    {
        threshold = min_dist * 1.1;
    }
    else if (threshold >= max_dist)
    {
        threshold = threshold2 * 1.4;
    }

    System.out.println("Threshold : "+threshold);

    for (int i = 0; i < matchesList.size(); i++)
    {
        Double dist = (double) matchesList.get(i).distance;

        if (dist < threshold)
        {
            bestMatches.add(matches.toList().get(i));
            //System.out.println(String.format(i + " best match added : %s", dist));
        }
    }

    matchesFiltered.fromList(bestMatches);

    System.out.println("matchesFiltered.size() : " + matchesFiltered.size());


    if(matchesFiltered.rows() >= 1)
    {
        System.out.println("match found");
        return true;
    }
    else
    {
        return false;
    }

System.out.println（“最大距离：+最大距离”）；
系统输出打印项次（“最小距离：+最小距离”）；
如果（最小距离>50）
{
System.out.println（“未找到匹配项”）；
System.out.println（“刚刚返回”）；
返回false；
}
双阈值=3*最小距离；
双阈值2=2*最小距离；
如果（阈值>75）
{
阈值=75；
}
否则如果（阈值2>=最大距离）
{
阈值=最小距离*1.1；
}
否则如果（阈值>=最大距离）
{
阈值=阈值2*1.4；
}
System.out.println（“阈值：+阈值”）；
对于（int i=0；i=1）
{
System.out.println（“找到匹配项”）；
返回true；
}
其他的
{
返回false；
}

有几种方法可以检测图像中的物体。只需在此处放置一些链接：

• ，第8/9章

最后一个链接显示了计算最小值和最大值的方法，在Java中应该几乎相同。希望所有链接都能展示一些如何匹配对象的想法

---

我还认识到在你的代码中有很多神奇的数字。也许您可以将它们放在变量中，以减少出错的可能性，并有更好的概述。

您编辑的代码对我来说运行良好，工作完美

以下是我在您的代码中为在大图像中检测对象（小图像）所做的更改：

使用SURF方法进行特征检测和特征提取。（适用于Android和更早版本的opencv 4.1.1中提供了SURF，之后它已从中删除，因此我在这里使用了opencv 4.1.1）

将匹配或不匹配图像的阈值从1更改为4，如下所示

if（matchesFiltered.rows（）>=1）

到

---

只有这些更改对我来说才是完美的，请确保对象/小图像具有丰富的纹理（至少应该有可以匹配的关键点）

感谢您的参考，实际上我已经开始在第二个链接：-）中使用教程编写此代码。

if(matchesFiltered.rows() >= 4)