如何使用 L2 范数（python）在描述符中查找匹配项？

Question

我需要澄清一下，以便了解图像匹配的工作原理。基本上，我计算了img1和img2的关键点（keypoints1，keypoints2）。在我计算了描述符（desc1，desc2）之后。之后，我使用 scipy 库中的 cdist 函数来计算这些描述符的 L2 范数。现在我不明白如何使用计算的距离找到匹配项。我不明白如何找到匹配的适当索引。如果可能的话，你能在 python 向量示例中展示吗？ （就像 desc1 = [[1,2],[3,4]] 和 desc2 = [[5,6],[0.9, 2.1]]。显然这里 desc1[0] 和 desc2[1] 具有最小距离。 )

Answer 1

你的意思是这样的吗？

scores=scipy.spatial.distance.cdist(desc1,desc2)

matches=scores.argsort(1)

在上面的sn-p中，scores[i,j]包含desc1[i]和desc2[j]之间的匹配分数，并且

matches[i]=[index_1, ..., index_k] 

这样desc2[index_1] 是与desc1[i] 最接近的匹配，desc2[index_2] 是与desc1[i] 的次佳匹配，依此类推。