以图搜图图像匹配_sift 实现以图搜图

最新推荐文章于 2024-06-13 13:34:29 发布

weixin_39980129

最新推荐文章于 2024-06-13 13:34:29 发布

阅读量888

点赞数

文章标签：以图搜图图像匹配

本文链接：https://blog.csdn.net/weixin_39980129/article/details/111546374

版权

这篇博客介绍了如何使用SIFT特征和BFMatcher进行以图搜图的图像匹配。首先，提取数据库中图像的特征并保存，然后对查询图像进行相同处理，通过BFMatcher找出最佳匹配。最后，根据匹配度排序并输出最相似的商品名称。

摘要由CSDN通过智能技术生成

1. 提取特征保存到本地，以减少重复计算

import numpy as np

import cv2

import time

import os

if __name__ == '__main__':

db_path = './db/'

save_path='./db_des/'

r=128 #resize 后的大小

ratio=0.76

sift = cv2.xfeatures2d.SURF_create()

# 从搜索库中进行计算

sort_list = []

for imgname in os.listdir(db_path):

#图像2

img = cv2.imread(db_path+imgname)

img = cv2.resize(img, (r, r), interpolation=cv2.INTER_CUBIC)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度处理图像

kp, des = sift.detectAndCompute(img, None) # des是描述子

np.save(save_path+imgname+'.npy',des)

2. 待检索图片检索分类

'''

商品ID：商品名称

dict_label={'01': '削皮刀',

'02': '婴儿湿巾',

'03': '毛巾浴巾套装',

'04': '垃圾袋',

'05': '便捷牙膏盒',

'06': '厨房方巾',

'07': '沥水架',

'08': '挂钩粘钩4个装',

'09': '三格储物盒',

'10': '清洁海绵',

'11': '创意不锈钢多用挂钩',

'12': '马卡龙家用多用盆大',

'13': '毛巾',

'14': '菠萝纹毛巾浴巾套装',

'15': '苹果数据线',

'16': '安卓数据线',

'17': 'TYPEC',

'18': '多功能牙具盒',

'19': '洗澡巾'

}

'''

import numpy as np

import cv2

import time

import os

if __name__ == '__main__':

#1.输入：在此输入待查询图像

query_path = './query/01 (10).JPG'

#2.配置：需要将特征文件夹放到此处

db_des_path='./db_des/'

r=128 #resize 后的大小

ratio=0.76

sift = cv2.xfeatures2d.SURF_create()

# 图像1 提取特征

imgname1 = query_path

img1 = cv2.imread(imgname1)

img1 = cv2.resize(img1, (r, r), interpolation=cv2.INTER_CUBIC)

gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) # 灰度处理图像

kp1, des1 = sift.detectAndCompute(img1, None) # des是描述子

# 从搜索库中进行计算

sort_list = []

for imgname2 in os.listdir(db_des_path):

#图像2

des2=np.load(db_des_path+imgname2)

#bruteforce 匹配

bf = cv2.BFMatcher()

matches = bf.knnMatch(des1, des2, k=2)

# 调整ratio

good = []

for m, n in matches:

if m.distance < ratio * n.distance:

good.append([m])

sort_list.append((imgname2, len(good)))

# 排序取得最相似

sort_list.sort(key=lambda x: -x[1])

# 对应查找标签值