python cv2法兰匹配更精确的结果

我试图从截图上匹配部族“建筑”的冲突

考虑到一些建筑物会四处移动，我认为直接匹配模板不起作用（如果我错了，请纠正我）

考虑下图：

当针对以下情况使用时，它将不起作用：

正如你所知，图像确实在那里，但大炮面对的是另一个方向

在另一个例子中，我能够在几个不同的地方获得一场相同的防空比赛：

以下是我正在使用的代码：

import numpy as np
import cv2
from matplotlib import pyplot as plt



imageToMatch=''
trainImage=''

MIN_MATCH_COUNT = 4

img1 = cv2.imread(imageToMatch)
img2 = cv2.imread(trainImage)  # trainImage

# Initiate SIFT detector
sift = cv2.xfeatures2d.SIFT_create()

# find the keypoints and descriptors with SIFT
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)    
search_params = dict(checks=50)


flann = cv2.FlannBasedMatcher(index_params, search_params)

matches = flann.knnMatch(des1, des2, k=2)

# store all the good matches as per Lowe's ratio test.
good = []
#print(matches)
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        #print(m.distance)
        #print(0.69 * n.distance)

        good.append(m)


if len(good) > MIN_MATCH_COUNT:
    src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1, 1, 2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1, 1, 2)

    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
    matchesMask = mask.ravel().tolist()

    h, w = img1.shape
    pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2)
    dst = cv2.perspectiveTransform(pts, M)

    img2 = cv2.polylines(img2, [np.int32(dst)], True, 255, 3, cv2.LINE_AA)

else:
    print("Not enough matches are found - %d/%d" % (len(good), MIN_MATCH_COUNT))
    matchesMask = None

draw_params = dict(matchColor=(0, 255, 0),  # draw matches in green color
                   singlePointColor=None,
                   matchesMask=matchesMask,  # draw only inliers
                   flags=2)

img3 = cv2.drawMatches(img1, kp1, img2, kp2, good, None, **draw_params)

plt.imshow(img3, 'gray'), plt.show()

将numpy导入为np
进口cv2
从matplotlib导入pyplot作为plt
imageToMatch=“”
列车图像=“”
最小匹配计数=4
img1=cv2.imread（imageToMatch）
img2=cv2.imread（列车图像）#列车图像
#启动筛分检测器
sift=cv2.xfeature2d.sift_create（）
#使用SIFT查找关键点和描述符
kp1，des1=筛选、检测和计算（img1，无）
kp2，des2=筛选、检测和计算（img2，无）
法兰索引KDTREE=0
索引参数=dict（算法=FLANN\u索引树，树=5）
搜索参数=dict（检查=50）
flann=cv2.FlannBasedMatcher（索引参数、搜索参数）
匹配=法兰N.knnMatch（des1、des2、k=2）
#根据Lowe比率测试存储所有良好匹配项。
好的=[]
#打印（匹配）
对于匹配中的m，n：
如果m.距离<0.7*n.距离：
#打印（m.距离）
#打印（0.69*n.距离）
好。追加（m）
如果长度（良好）>最小匹配计数：
src_pts=np.float32（[kp1[m.queryIdx].pt代表m处于良好状态]）。重塑（-1,1,2）
dst_pts=np.float32（[kp2[m.trainIdx].pt代表m处于良好状态]）。重塑（-1,1,2）
M、 掩模=cv2.findHomography（src_pts，dst_pts，cv2.RANSAC，5.0）
matchesMask=mask.ravel（）.tolist（）
h、 w=img1.1形状
pts=np.float32（[[0,0]，[0,h-1]，[w-1,h-1]，[w-1,0]]）。重塑（-1,1,2）
dst=cv2.透视变换（pts，M）
img2=cv2.多段线（img2[np.int32（dst）]，真，255,3，cv2.线_AA）
其他：
打印（“未找到足够的匹配项-%d/%d”%（长度（良好），最小匹配数））
matchesMask=None
draw_params=dict（matchColor=（0,255,0），#以绿色绘制匹配
singlePointColor=无，
matchesMask=matchesMask，#只绘制内线
旗帜=2）
img3=cv2.绘图匹配（img1、kp1、img2、kp2、良好、无、**绘图参数）
plt.imshow（img3，‘灰色’），plt.show（）

我的问题是：

是否有办法将大炮图像与示例布局中显示的所有大炮图像相匹配

是否有办法确保不旋转的对象也匹配

任何帮助或指导都将不胜感激

---

我的环境：Python 3.6、OpenCV 3.3.0、OSX

有多少种可能的方向？如果有一个固定的数量（比如4），那么您可以使用四个不同的模板。如果有更高的数量，你可能想尝试一些不同的选择。继续模板匹配，您可以只使用固定数量的方向（例如4），您可能会“足够接近”进行检测。但也可能有类似的图标，让你错误的检测。我会先尝试一下，因为这是一个简单的解决方案。你可以通过将模板中最近的方向匹配到一个尽可能远离它的佳能（同时仍然与该模板更紧密地对齐）来创建一个阈值，并检查模板匹配的结果。然后把它放大一点，在地图上试一下。有多少种可能的方向？如果有一个固定的数量（比如4），那么您可以使用四个不同的模板。如果有更高的数量，你可能想尝试一些不同的选择。继续模板匹配，您可以只使用固定数量的方向（例如4），您可能会“足够接近”进行检测。但也可能有类似的图标，让你错误的检测。我会先尝试一下，因为这是一个简单的解决方案。你可以通过将模板中最近的方向匹配到一个尽可能远离它的佳能（同时仍然与该模板更紧密地对齐）来创建一个阈值，并检查模板匹配的结果。然后把它长一点，在地图上试一下。