使用 ORB 检查重复图像答案

【问题标题】：checking duplicate images with ORB使用 ORB 检查重复图像
【发布时间】：2016-05-05 16:09:54
【问题描述】：

目前我正在检查重复图像，所以我正在使用 ORB，第一部分几乎完成，我有两个图像的描述符向量，现在作为第二部分，我想知道我们如何计算使用汉明距离得分，说这些是重复的阈值应该是多少

    img1 = gray_image15
    img2 = gray_image25
    # Initiate STAR detector
    orb = cv2.ORB_create() 
    # find the keypoints with ORB
    kp1 = orb.detect(img1,None)
    kp2 = orb.detect(img2,None)
    # compute the descriptors with ORB
    kp1, des1 = orb.compute(img1, kp1)
    kp2, des2 = orb.compute(img2, kp2)

    matcher = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = matcher.match(des1, des2)
    # Sort them in the order of their distance.
    matches = sorted(matches, key = lambda x:x.distance)

我只想知道这个过程的下一步，以便最终我可以打印是或否重复。我在 python 2.7 中使用 opencv3.0.0

【问题讨论】：

对于 c++ 实现使用：github.com/vonzhou/opencv/blob/master/match/ORB_match.cpp，对于 python 实现使用：stackoverflow.com/questions/11114349/…。希望这会对你有所帮助。
另一个链接是：docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/…
您好，您能告诉我们您认为“重复图像”的标准是什么吗？根据您的答案，解决方案可能会大不相同，它们可以是简单的方法，如直方图比较，也可以是复杂的算法，如词袋、图像散列。如果你只想知道如何使用 OBR 来找出相似的对象（如果是单个对象），这就像 Sagar 说的那样很容易。

标签： python-2.7 opencv opencv3.0 orb

【解决方案1】：

获得描述符后，可以使用词袋模型对参考图像的描述符进行聚类，即构建词汇表（视觉词）。
然后将另一个图像的描述符投影到这个词汇表上。
然后您可以获得一个直方图，显示两个图像中每个视觉词的分布。
使用直方图比较技术比较这两个直方图，并使用阈值来检测重复项。例如，如果您使用 Bhattacharyya 距离，则值越小表示匹配越好。

我没有这个的python实现，但是你可以在c++here找到类似的东西。

【讨论】：