图像匹配对数如何得出

在opencv中，图像特征点匹配中匹配的对数和图像特征点匹配的正确率如何得出

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/329180
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：记录下折腾了两天的opencv双目相机只打开一个的问题，供后学者少走弯路！
• 除此之外, 这篇博客: 【笔记】opencv图像轮廓 获得平均灰度值在原图上画轮廓 观察灰度图的分解中的 遍历所有轮廓 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 由于图有问题，画的轮廓也有问题
  

  img = cv2.imread("erode.png")
  t,newi = cv2.threshold(gray,245,255,cv2.THRESH_BINARY)
  hire,counters = cv2.findContours(newi,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
  n = len(hire)
  countt=[]
  print(len(hire))
  for i in range(n):
      #print('cc'+str(i),cv2.contourArea(hire[i]))
      temp = np.zeros(img.shape,np.uint8)
      countt.append(temp)
      countt[i] = cv2.drawContours(countt[i],hire,i,(0,255,255),2)
      cv2.imshow(str(i),countt[i])
  

  换了一张图测试，效果好多了：
  

• 您还可以看一下 AI100讲师老师的计算机视觉实战：如何使用OpenCV构建视觉应用课程中的 计算机视觉实战：如何使用OpenCV快速构建视觉应用小节, 巩固相关知识点
  

这篇文章介绍了使用SIFT算法检测图像中的特征点，并通过knn匹配来筛选出最近邻远优于次近邻的匹配作为good matches。文章给出了完整的代码和运行结果，并说明了SIFT特征的特点和检测过程。
参考链接：https://blog.csdn.net/qq_43279579/article/details/117687597