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

在计算机视觉领域，图像检索和对象检测是非常重要的任务。下面将详细介绍图像检索中的单应性计算、纹身法医应用，以及自定义对象检测的相关内容。

单应性计算与应用

在图像匹配中， cv2.drawMatchesKnn 仅绘制我们在掩码中标记为好的匹配项。完成匹配后，我们可以尝试将匹配结果转化为更简洁的几何表示——单应性（Homography）。单应性描述的是当一个图形是另一个图形的透视变形时，两个图形之间的对应关系。

为了更好地理解单应性，我们以寻找特定纹身为例。我们希望编写一个脚本，实现关键点匹配和单应性的可视化。具体步骤如下：
1. 筛选匹配项 ：

# 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. 检查匹配数量 ：技术上，仅需四个匹配项就能计算单应性，但为了保证结果的准确性，我们通常要求至少有 10 个好的匹配项。

MIN_NUM_GOOD_MATCHES = 10
if len(good_matches) >