基礎
我們之前使用了查詢圖像爸邢，找到其中的一些特征點呜呐，我們?nèi)×硗庖粋€訓練圖像坤学，找到里面的特征米间，我們找到它們中間最匹配的。簡單說就是我們在一組圖像里找一個目標的某個部分的位置。
我們可以使用一個calib3d模塊里的函數(shù)，cv2.findHomography().如果我們傳了兩個圖像里的點集合，它會找到那個目標的透視轉換有缆。然后我們可以使用cv2.perspectiveTransform()來找目標，它需要至少4個正確的點來找變換温亲。
我們看過可能會有一些匹配是的錯誤而影響結果棚壁。喲啊解決這個問題，算法使用了RANSAC或者LEAST_MEDIAN（由標志決定）栈虚。提供正確估計的好的匹配被叫做inliers袖外，而其他的叫做outliers。cv2.findHomography()返回一個掩圖來指定inlier和outlier魂务。
code
首先曼验，和正常一樣，我們找到SIFT特征粘姜，用比率檢測來找最匹配的鬓照。
import numpy as np
import cv2
from matplotlib import pyplot as pltMIN_MATCH_COUNT = 10
img1 = cv2.imread('box.png',0)? ? ? ? ? # queryImage
img2 = cv2.imread('box_in_scene.png',0) # trainImage# Initiate SIFT detector
sift = cv2.SIFT()# find the keypoints and descriptors with SIFT
kp1, des1 = sift.detectAndCompute(img1,None)
kp2, des2 = sift.detectAndCompute(img2,None)FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
search_params = dict(checks = 50)flann = cv2.FlannBasedMatcher(index_params, search_params)
matches = flann.knnMatch(des1,des2,k=2)
# store all the good matches as per Lowe's ratio test.
good = []
for m,n in matches:
? ? if m.distance < 0.7*n.distance:
? ? ? ? good.append(m)
現(xiàn)在我們設置一個至少10個匹配的條件（有MIN_MATCH_COUNT指定）來找目標。否則就顯示一個信息說沒有足夠的匹配孤紧。
如果找到了足夠的匹配豺裆，我們得到兩張圖像里標記的關鍵點的位置。他們被傳到透視轉換坛芽。當我們得到了3x3的轉換矩陣留储，我們用它來把查詢圖像里的角轉換到響應的訓練圖像的對應點翼抠。然后畫出來咙轩。
if len(good)>MIN_MATCH_COUNT:
? ? src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2)
? ? dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2)
? ?
? ? M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0)
? ? matchesMask = mask.ravel().tolist()
? ? h,w = img1.shape
? ? pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2)
? ? dst = cv2.perspectiveTransform(pts,M)
? ? img2 = cv2.polylines(img2,[np.int32(dst)],True,255,3, cv2.LINE_AA)else:
? ? print "Not enough matches are found - %d/%d" % (len(good),MIN_MATCH_COUNT)
? ? matchesMask = None
最后我們畫出我們的inliers(如果成功找到了目標）或者匹配關鍵點（如果失敗了）
draw_params = dict(matchColor = (0,255,0), # draw matches in green color
? ? ? ? singlePointColor = None,
? ? ? ? matchesMask = matchesMask, # draw only inliers
? ? ? ? flags = 2)img3 = cv2.drawMatches(img1,kp1,img2,kp2,good,None,**draw_params)
plt.imshow(img3, 'gray'),plt.show()
看下面的結果，目標被白色標出來
END
