14、图像检索与自定义对象检测技术详解

图像检索与自定义对象检测技术详解

1. 基于FLANN匹配的单应性计算

在计算机视觉中，图像匹配和单应性计算是重要的任务。首先， cv2.drawMatchesKnn 函数只会绘制我们在掩码中标记为好的匹配（值为1）。通过脚本生成的基于FLANN的匹配可视化结果显示，几乎所有匹配都落在了正确的位置，这是一个不错的结果。

接下来，我们尝试将这种匹配结果简化为更简洁的几何表示——单应性。单应性描述的是整个匹配对象的姿态，而非一堆离散的匹配点。简单来说，当一个图形是另一个图形的透视变形时，它们之间就存在单应性。

下面是实现单应性计算的具体步骤：
1. 筛选好的匹配 ：

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

2. 检查好匹配的数量 ：理论上，最少4个匹配就可以计算单应性，但为了保证结果的准确性，更实际的最小值是10个。

MIN_NUM_GOOD_MATCHES = 10
if len(good_matches) >= MIN_NUM_GOOD