Python 关键点描述符匹配：如何计算每个模板的拟合优度？

我不确定这是属于stackoverflow还是其他stackexchange站点-这里非常欢迎输入

我使用PythonOpenCV将目标图像的快速关键点描述符依次匹配到三个不同的模板

什么是一种实用的、可靠的、统计上可靠的方法来决定哪种模板最适合

现在，我计算由

cv2.findHomography

返回的

cv2.RANSAC

内联线的数量（顺便说一句，它没有返回拟合优度统计数据），并获取数量最高的模板

我看过描述符距离的直方图，它似乎总是以大约105（单位？）为高斯中心（奇怪）

看起来很有用

---

非常感谢您的指导-谢谢

这开始只是一个评论，但有点太长了

实际上，OpenCV在内部计算重投影错误，并且不返回它。但是一旦你得到了单应性，你也可以自己做同样的事情，不是吗？ 事实上，该算法使所有点上的重投影误差之和最小化。有关该过程的完整描述，请参见

因为您有匹配项（因此源点和模板点的图像坐标）。您可以计算每个模板的平均重投影错误，可能仅使用被视为内联线的点，并选择最低的一个

从另一个站点：

computed_pt = H * source_pt
error_pt = sqrt( (computed_pt.x - dst_pt.x)*(computed_pt.x - dst_pt.x) + (computed_pt.y - dst_pt.y)*(computed_pt.y - dst_pt.y) )

---

计算两点之间的欧几里德距离。

你能再解释一下为什么你不喜欢选择具有最高内部百分比的模板吗？@Demplo谢谢你的提问。我有贝叶斯的背景，所以我觉得这有点特别。理想情况下，我希望能够进行模型选择，即根据概率量化拟合优度的差异，而更高的百分比不会给出这一点。我想知道重投影错误，

H

矩阵的条件等-

findHomography

必须在内部计算一个可能性，但不返回它。非常感谢您的明确解释。几个问题：（i）例如，

cv2.com

（或其他？）是否等同于第一行（并不是说您的行不够简单）？（ii）既然你已经计算了剩余平方和，我可以把它和一个chisq联系起来，然后计算一个用于模型选择的增量chisq，对吗？（但是噪声西格玛的用途是什么？）如果

findHomography

在每次迭代中都输出了可能性，我会喜欢它，因为这样至少我可以探索表面的形状。。。但这可能太过分了。再次感谢（

cv2.perspectiveTransform（）

相反）（i）看起来

cv2.perspectiveTransform

完全符合您的期望。（ii）不幸的是，我不是chisq分销的专家，因此无法提供帮助。我所能补充的是，也许（？）sigma应该是特征提取的标准开发工具，尽管它依赖于提取器本身，但根据经验法则，您可以假设~0.5像素，虽然我不确定这是否有帮助……没问题——非常感谢您的回答和信息——我将测试代码，然后希望能够接受答案：）