Python OpenCV，ORB检测：与多个图像相比，如何返回最佳匹配？

在将此图像与数组中的多个图像进行比较时，我尝试从输入图像中获得最佳匹配，更具体地说，尝试分析一个书皮并将其与数组中的书皮进行比较，返回正确的一个。有两种方法我想这样做，但我不完全确定如何

import cv2
import numpy as np
import matplotlib.pyplot as plt
import time

class imageCapture(object):


    def __init__(self):
        self.image = None
        self.storedImages = [r'C:\pythonImg\image1.jpg']

    def captureImage(self):
        time.sleep(2)
        cap = cv2.VideoCapture(0)
        if cap.isOpened():
            ret, frame = cap.read()
            print("The image has been captured: " + str(ret))
        else:
            ret = False
        img1 = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) #this converts the colours to RGB from BGR
        self.image = img1


    def get_Matches_Orb(self): #at this point in time we are comparing it to a saved path image - eventually save the vectors
        #trainImg = cv2.imread(self.image,0)

        for image in self.storedImages:
            storedImg = cv2.imread(image,0)

            orb = cv2.ORB_create()
            kp1, des1 = orb.detectAndCompute(self.image,None) #this finds keypoints and descriptors with SIFT
            kp2, des2 = orb.detectAndCompute(storedImg,None)

            bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) #create a bfMatcher object
            matches = bf.match(des1,des2) #Match descriptors
            matches = sorted(matches, key = lambda x:x.distance) #sorts them in order of their distance - lowest distance first.

            sum = 0
            for i in matches:
                sum = sum + i.distance
            avg = sum / len(matches)
            print(avg)

            #print(avg.distance)

            img3 = cv2.drawMatches(self.image,kp1,storedImg,kp2,matches[:10],None, flags=2) #helps us to draw the matches.
            plt.imshow(img3)
            plt.show()


testobj = imageCapture()
testobj.captureImage()
testobj.get_Matches_Orb()

---

我的一个想法是使用DMatch.distance获得DMatch返回的平均距离，并返回平均距离最低的图像-到目前为止，我只生成了平均值，并使用不同的书籍封面对其进行了测试。事实上，与正确的书皮相比，平均距离似乎更低，但我想知道这是否准确。这就引出了一个问题：有没有办法使用kp1和kp2中存储的关键点来更准确地比较图像？

比较所有匹配距离是个坏主意，因为这种方法存在大量异常值

你需要做的是使用findHomography。这将为您提供当前图像和字典图像之间的转换

然后，您必须选择一些参数来验证或拒绝这种单应性

对我来说，最简单的方法是将字典中的一个方框投影到您当前的图像中，并尝试查看方框的形状是否足够好，区域是否在一个良好的范围比例？角是否具有允许的角度？等或者，您可以设置一个阈值的数目inlier，他们的重新分区等

为了使某个东西变得健壮，您可能会使用几个标准

看看这个教程。他们使用了surf keypoint，但您可以使用orb