Python 匹配的ORB描述符，找不到好的匹配项

我正在尝试使用ORB匹配两个图像，使用蛮力匹配器随机匹配结果，应用Low's ratio条件无法找到任何正确匹配

我怀疑问题出在

中，如果m.distance<0.7:

我读到m.distance是从bf matcher返回的两个描述符之间的距离，但是值太大，没有一个满足条件，那么我如何删除异常值

我所尝试的：

• 按距离对列表排序

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

• 使用SIFT，效果非常好

排序无助于找到好的匹配项，而SIFT是专利，我想要ORB

我的代码：

# finding feature points on products
image = productName + ".jpg"
path = "./images/products/"+image
img1 = cv2.imread(path,cv2.IMREAD_GRAYSCALE) 
orb = cv2.ORB_create()
kps1, des1 = orb.detectAndCompute(img1, None)
result=cv2.drawKeypoints(img1,kps1, img1,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS )
plt.figure(num=None, figsize=(20, 12), dpi=80, facecolor='w', edgecolor='k')
plt.imshow(result)

# finding feature points on shelves
image = shelfName+'_raf.jpg'
path = "./images/shelves/"+image
img2 = cv2.imread(path,cv2.IMREAD_GRAYSCALE) 
orb = cv2.ORB_create()
kps2, des2 = orb.detectAndCompute(img2, None)
result=cv2.drawKeypoints(img2,kps2, img2,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
plt.figure(num=None, figsize=(20, 12), dpi=80, facecolor='w', edgecolor='k')
plt.imshow(result)

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

# store all the good matches as per Lowe's ratio test.
good = []
for m in matches:
    if m.distance < 0.7:
        good.append(m)
        
match_img = cv2.drawMatches(img1, kps1, img2, kps2, good, None, flags=2)

plt.figure(num=None, figsize=(20, 12), dpi=80, facecolor='w', edgecolor='k')
plt.imshow(match_img, 'gray')

#查找产品上的功能点
image=productName+“.jpg”
path=“./图像/产品/”+图像
img1=cv2.imread（路径，cv2.imread\u灰度）
orb=cv2.orb_create（）
kps1，des1=orb.detectAndCompute（img1，无）
结果=cv2.drawKeypoints（img1、kps1、img1、flags=cv2.DRAW\u匹配\u flags\u DRAW\u RICH\u关键点）
plt.figure（num=None，figsize=（20,12），dpi=80，facecolor='w'，edgecolor='k'）
plt.imshow（结果）
#在工具架上查找特征点
image=shelfName+“\u raf.jpg”
path=“./images/shelfs/”+图像
img2=cv2.imread（路径，cv2.imread\U灰度）
orb=cv2.orb_create（）
kps2，des2=orb.detectAndCompute（img2，无）
结果=cv2.drawKeypoints（img2、kps2、img2、flags=cv2.DRAW\u匹配\u flags\u DRAW\u RICH\u关键点）
plt.figure（num=None，figsize=（20,12），dpi=80，facecolor='w'，edgecolor='k'）
plt.imshow（结果）
bf=cv2.BFMatcher（cv2.NORM\u HAMMING，交叉检查=False）
匹配=bf.匹配（des1，des2）
#根据Lowe比率测试存储所有良好匹配项。
好的=[]
对于匹配中的m：
如果m.距离<0.7：
好。追加（m）
匹配\u img=cv2。drawMatches（img1、kps1、img2、kps2、良好、无、标志=2）
plt.figure（num=None，figsize=（20,12），dpi=80，facecolor='w'，edgecolor='k'）
plt.imshow（匹配“灰色”）

如果我删除Low的条件，我会得到：

---

代码尝试使用Lowe比率测试（参见原始SIFT论文）

对于每个描述符，这需要两个最接近的匹配项

守则应改为：

matches=bf.knmatch（desCam，desTrain，k=2）#knmatch至关重要
好的=[]
对于匹配中的（m1，m2）：#对于每个描述符，取最接近的两个匹配
如果m1.distance<0.7*m2.distance:#最佳匹配必须比次优更接近
好，追加（m1）

此外，我强烈推荐flann matcher。它比蛮力匹配器快

---

查看OpenCV源代码（

samples/python/find_obj.py

）中的或samples目录，以查找有效的代码。

代码尝试使用Lowe比率测试（请参阅原始SIFT论文）

对于每个描述符，这需要两个最接近的匹配项

守则应改为：

matches=bf.knmatch（desCam，desTrain，k=2）#knmatch至关重要
好的=[]
对于匹配中的（m1，m2）：#对于每个描述符，取最接近的两个匹配
如果m1.distance<0.7*m2.distance:#最佳匹配必须比次优更接近
好，追加（m1）

此外，我强烈推荐flann matcher。它比蛮力匹配器快

---

查看OpenCV的源代码（

samples/python/find_obj.py

）中的或samples目录，以查找有效的代码。

这不是Lowe比率测试。该代码至少在两个与此相关的地方存在严重错误。你从哪里得到这个代码的？我从这里得到的是的，这就是为什么这个问题中的代码也不起作用的原因。丢弃蛮力匹配器。您需要与k=2匹配的“knn”。否则，无法进行Lowe比率测试。请阅读其他回复。或者从OpenCV中的samples目录中获取代码。这些圆代表什么？这些圆是不是Lowe比率测试的特征点或关键点。该代码至少在两个与此相关的地方存在严重错误。你从哪里得到这个代码的？我从这里得到的是的，这就是为什么这个问题中的代码也不起作用的原因。丢弃蛮力匹配器。您需要与k=2匹配的“knn”。否则，无法进行Lowe比率测试。请阅读其他回复。或者从OpenCV内的示例目录中获取代码。圆圈代表什么？圆圈是特征点或关键点谢谢你Christoph，你的答案成功了，我还必须将第一张和第二张图像的关键点数量更改为10000和100000。谢谢你Christoph，你的答案成功了，对于第一张和第二张图像，我还必须将关键点的数量更改为10000和100000。