BFMatcher match dans OpenCV jeter erreur

Je suis de SURF à l'aide de descripteurs pour l'image matching. J'ai l'intention de faire correspondre une image à une base de données d'images.

import cv2
import numpy as np
surf = cv2.xfeatures2d.SURF_create(400)

img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

kp1,des1 = surf.detectAndCompute(img1,None)
kp2,des2 = surf.detectAndCompute(img2,None)


bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=True)
#I am planning to add more descriptors
bf.add(des1)

bf.train()

#This is my test descriptor
bf.match(des2)

Le problème est avec bf.match est que j'obtiens l'erreur suivante:

OpenCV Error: Assertion failed (type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U)) in batchDistance, file /build/opencv/src/opencv-3.1.0/modules/core/src/stat.cpp, line 3749
Traceback (most recent call last):
  File "image_match4.py", line 16, in <module>
    bf.match(des2)
cv2.error: /build/opencv/src/opencv-3.1.0/modules/core/src/stat.cpp:3749: error: (-215) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function batchDistance

L'erreur est semblable à cette post. L'explication donnée est incomplète et insuffisante.Je veux savoir comment résoudre ce problème. J'ai utilisé l'ORBE des descripteurs de bien avec BFMatcher avoir NORM_HAMMING distance. L'erreur réapparaît.
Toute aide sera appréciée.

Les deux images que j'ai utilisé pour ce sont les suivants:

BFMatcher match dans OpenCV jeter erreur

boîte.png

BFMatcher match dans OpenCV jeter erreur

box_in_scene.png

Je suis à l'aide de Python 3.5.2 et OpenCV 3.1.x sous linux.

Donc .detectAndCompute apparaît à partir de OpenCV 3x et jusqu'? Je suis en utilisant 2.4 et il dit module object not found...
Cela dépend de la version d'opencv . Suivre des 2,4 ou 3.x.

OriginalL'auteur motiur | 2016-10-09

  1. 7

    De recherche entre les descripteurs de deux images utilisation:

    img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

kp1,des1 = surf.detectAndCompute(img1,None)
kp2,des2 = surf.detectAndCompute(img2,None)


bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=False)
matches = bf.match(des1,des2)

    De rechercher parmi plusieurs images

    La add méthode est utilisée pour ajouter un descripteur de multiples images de test. Une fois, tous les descripteurs sont indexés, vous exécutez train méthode pour construire une Structure de Données sous-jacente(par exemple: KdTree qui sera utilisé pour la recherche en cas de FlannBasedMatcher). Vous pouvez ensuite exécuter match à trouver si l'épreuve de l'image est un plus correspondre à la requête de l'image. Vous pouvez le vérifier K-d_tree et de voir comment il peut être utilisé pour la recherche multidimensionnelle des vecteurs(Surf donne 64 dimensions vecteur).

    Remarque:- BruteForceMatcher, comme le nom l'indique, n'a pas de recherche interne de l'optimisation de la structure de données et a donc des train vide de méthode.

    Exemple de Code pour l'Image Multiple de recherche

    import cv2
import numpy as np
surf = cv2.xfeatures2d.SURF_create(400)

# Read Images
train = cv2.imread('box.png',0)
test = cv2.imread('box_in_scene.png',0)

# Find Descriptors    
kp1,trainDes1 = surf.detectAndCompute(train, None)
kp2,testDes2  = surf.detectAndCompute(test, None)

# Create BFMatcher and add cluster of training images. One for now.
bf = cv2.BFMatcher(cv2.NORM_L1,crossCheck=False) # crossCheck not supported by BFMatcher
clusters = np.array([trainDes1])
bf.add(clusters)

# Train: Does nothing for BruteForceMatcher though.
bf.train()

matches = bf.match(testDes2)
matches = sorted(matches, key = lambda x:x.distance)

# Since, we have index of only one training image, 
# all matches will have imgIdx set to 0.
for i in range(len(matches)):
    print matches[i].imgIdx

    Pour DMatch sortie de bf.match, voir docs.

    Voir l'exemple complet pour ce ici: Opencv3.0 docs.

    D'Autres Info

    Système d'exploitation: Mac.

    Python: 2.7.10.

    Opencv: 3.0.0-dev [Si souviens bien, installé à l'aide d'infusion].

    Je l'utilise pour plusieurs images. Le code ci-dessus est la version la plus simple. L'exemple de code que vous avez donné fonctionne bien pour les deux images. Je veux comparer descripteur d'une image à une liste de descripteur de plusieurs images. Le problème qui s'y passe.
    Désolé, j'ai manqué. Donnez-moi quelque temps pour voir le problème.
    Je pense que je me suis poser cette même question: stackoverflow.com/questions/37731908/...
    Salut, je suis confronté à la même erreur. Tout semble aller bien. Par la voie, BruteForceMatcher n'est pas vraiment passe, car il n'a pas de formation. docs.opencv.org/2.4/modules/features2d/doc/...
    J'ai aussi essayé FlannMatcher(depuis mon projet FlannMatcher/C++), mais face à ce opencv bug: github.com/opencv/opencv/issues/5667

    OriginalL'auteur saurabheights

  2. 3

    J'ai trouvé j'avais la même erreur. A pris un certain temps à comprendre - certaines de mes images étaient un peu sans relief, donc pas de keypoints ont été trouvés, et detectAndCompute retourné None pour les descripteurs. Peut-être la peine de vérifier la liste de descripteurs pour None éléments avant de passer à BFMatcher.add().

    OriginalL'auteur eldorz

  3. 2

    J'avais la même erreur. Mais dans mon cas, c'était parce que j'étais à l'aide de TAMISER avec cv2.NORM_HAMMING métrique dans cv2.BFMatcher_create. La modification de la métrique à l' cv2.NORM_L1 résolu le problème.

    Citant les docs pour BFMatcher:

    normType – L'un des NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2. L1
    et L2 normes sont préférables choix pour SIFT et SURF descripteurs,
    NORM_HAMMING doit être utilisé avec l'ORBE, RAPIDE et BRÈVE, NORM_HAMMING2
    doit être utilisé avec ORBE, quand WTA_K==3 ou 4 (voir ORB::ORB constructeur
    la description).

    OriginalL'auteur Georgy

  4. 0

    Edit: les Versions utilisées Python 3.6, OpenCV 3.4.1

    J'ai eu beaucoup de mal lors de la préparation d'un programme qui utilise TAMISER ou ORBE en fonction du choix de l'utilisateur. Enfin, j'ai pu trouver les bons paramètres pour BFMatcher pour TAMISER et ORBE

    import cv2
import numpy as np

# ask user whether to use SIFT or ORB
detect_by = input("sift or orb")

    1. La création de matcher objet

      if detect_by == "sift":
    matcher = cv2.BFMatcher(normType=cv2.NORM_L2, crossCheck=False)

elif detect_by is "orb":
    matcher = cv2.BFMatcher(normType=cv2.NORM_HAMMING, crossCheck=False)

    2. Lors de la capture et de traitement d'images

      while there_is_frame_to_process:
    if detect_by is "sift":
        matches = matcher.knnMatch(np.asarray(gray_des, np.float32), np.asarray(target_des, np.float32), k=2)

    elif detect_by is "orb":
        matches = matcher.knnMatch(np.asarray(gray_des, np.uint8), np.asarray(target_des, np.uint8), k=2)

    OriginalL'auteur Ali Eren Çelik