OpenCV功能匹配多个图像

如何使用FLANN优化许多图片的SIFT功能匹配？

我有一个来自Python OpenCV文档的工作示例。但是，这是将一个图像与另一个图像进行比较，而且速度很慢。我需要它来搜索一系列图像（几千个）中匹配的特征，并且我需要它更快。

我目前的想法：

1. 浏览所有图像并保存功能。怎么样？
2. 将相机的图像与上述基础进行比较，然后找到正确的图像。怎么样？
3. 给我结果，匹配图像或其他东西。

http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_feature_homography/py_feature_homography.html

import sys＃仅用于调试
将numpy导入为np
导入cv2
从matplotlib导入pyplot作为plt

MIN_MATCH_COUNT = 10

img1 = cv2.imread（'image.jpg'，0）＃queryImage
img2 = cv2.imread（'target.jpg'，0）＃trainImage

＃启动SIFT检测器
筛选= cv2.SIFT（）

＃使用SIFT查找关键点和描述符
kp1，des1 = sift.detectAndCompute（img1，None）
kp2，des2 = sift.detectAndCompute（img2，None）

FLANN_INDEX_KDTREE = 0
index_params = dict（算法= FLANN_INDEX_KDTREE，树= 5）
search_params = dict（checks = 50）

flann = cv2.FlannBasedMatcher（index_params，search_params）

匹配= flann.knnMatch（des1，des2，k = 2）

＃根据Lowe的比率测试存储所有符合条件的匹配项。
好= []
对于在比赛中的m，n：
    如果m.distance MIN_MATCH_COUNT：
    src_pts = np.float32（[k p1 [m.queryIdx] .pt for m in good]）。reshape（-1,1,2）
    dst_pts = np.float32（[m处于良好状态的[kp2 [m.trainIdx] .pt]）。reshape（-1,1,2）

    M，遮罩= cv2.findHomography（src_pts，dst_pts，cv2.RANSAC，5.0）
    matchsMask = 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）

其他：
    打印“找不到足够的匹配项-％d /％d”％（len（good），MIN_MATCH_COUNT）
    matchsMask =无

draw_params = dict（matchColor =（0,255,0），＃用绿色绘制匹配项
                   singlePointColor =无，
                   matchesMask = matchesMask，＃只画内线
                   标志= 2）

img3 = cv2.drawMatches（img1，kp1，img2，kp2，good，None，** draw_params）

plt.imshow（img3，'灰色'），plt.show（）

更新

在尝试了许多事情之后，我现在可能更接近解决方案了。我希望可以建立索引，然后像这样搜索它：

flann_params = dict（算法= 1，树木= 4）
flann = cv2.flann_Index（npArray，flann_params）
idx，dist = flann.knnSearch（queryDes，1，params = {}）

但是我仍然没有设法为flann_Index参数建立一个可接受的npArray。

遍历所有图像作为图像：
  npArray.append（sift.detectAndCompute（image，None））
npArray = np.array（npArray）