opencv中knnmatch的返回值，cv2.DMatch解释

转载于：https://blog.csdn.net/wphkadn/article/details/85805105

queryIdx : 查询点的索引（当前要寻找匹配结果的点在它所在图片上的索引）.

trainIdx : 被查询到的点的索引（存储库中的点的在存储库上的索引）

imgIdx : 有争议(常为0)

---

DMatch的定义

/*
 * Struct for matching: query descriptor index, train descriptor index, train image index and distance between descriptors.
 */
struct CV_EXPORTS_W_SIMPLE DMatch
{
    CV_WRAP DMatch() : queryIdx(-1), trainIdx(-1), imgIdx(-1), distance(FLT_MAX) {}
    CV_WRAP DMatch( int _queryIdx, int _trainIdx, float _distance ) :
            queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(-1), distance(_distance) {}
    CV_WRAP DMatch( int _queryIdx, int _trainIdx, int _imgIdx, float _distance ) :
            queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(_imgIdx), distance(_distance) {}
CV_PROP_RW <span class="token keyword">int</span> queryIdx<span class="token punctuation">;</span> <span class="token comment">// query descriptor index</span>
CV_PROP_RW <span class="token keyword">int</span> trainIdx<span class="token punctuation">;</span> <span class="token comment">// train descriptor index</span>
CV_PROP_RW <span class="token keyword">int</span> imgIdx<span class="token punctuation">;</span>   <span class="token comment">// train image index</span>

CV_PROP_RW <span class="token keyword">float</span> distance<span class="token punctuation">;</span>

<span class="token comment">// less is better</span>
<span class="token keyword">bool</span> <span class="token keyword">operator</span><span class="token operator">&lt;</span><span class="token punctuation">(</span> <span class="token keyword">const</span> DMatch <span class="token operator">&amp;</span>m <span class="token punctuation">)</span> <span class="token keyword">const</span>
<span class="token punctuation">{<!-- --></span>
    <span class="token keyword">return</span> distance <span class="token operator">&lt;</span> m<span class="token punctuation">.</span>distance<span class="token punctuation">;</span>
<span class="token punctuation">}</span>

};

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23

具体解释，验证过程

我们从图1中提取了 sift/surf/orb或其他种类的特征点vector<KeyPoint> keypoints_1以及相应的描述子descriptor1，大小为319，从图2中也提取了特征点vector<KeyPoint> keypoints_2以及相应的描述子descriptor2，大小为320.

//descriptor1中的每一个特征点的描述子称为 d1i,descriptor2中的每一个特征点的描述子称为 d2i.

//通过opencv的`FlannBasedMatcher`或者`BruteForceMatcher<>`进行匹配，
// 在descriptor2中挑选两个离 `d1i`最近的描述子放入matches之中。
	FlannBasedMatcher matcher;
	std::vector<vector<DMatch>> matches;
    matcher.knnMatch(descriptor1,descriptor2,matches,2);  

 
 

 
 
1
2
3
4
5

通过调试得到如图所示结果：

可以看出 queryIdx是按顺序增大的， 相应的trainIdx是不断跳变的，且imgIdx一直是0.
可以从matches[0]看出，这里的queryIdx是指第0张图的第0个特征点匹配到了第1张图的第6个特征点（距离最近），同时第0张图的第0个特征点匹配到了第1张图的第128个特征点（距离第2近）。

于是 queryIdx 是你想要为“它”找到匹配结果的“它”的索引。 trainIdx是 “它”的匹配结果的索引。
由于imgIdx一直是0，只能说在这里可能没什么用。有些文章说 imgIdx指的是第0张图，有的说是第1张图的意思，从这里感觉更应该是指第0张图。