如何解决 knnmatch 报错问题？-HCRM博客

knnMatch 报错详解

在使用 OpenCV 进行图像匹配时，knnMatch 是一个常用的函数，在使用过程中，可能会遇到各种错误和异常，本文将详细解释 knnMatch 报错的常见原因及其解决方法，并提供相关的代码示例和常见问题解答。

（图片来源网络，侵权删除）

一、常见报错及解决方法

1、ValueError: not enough values to unpack (expected 2, got 0)

原因：在读取描述符（descriptors）时，某些行可能为空，导致无法正确解包。

解决方法：确保输入的描述符数据没有空行或格式正确。

     with open('data.txt', 'rb') as f:
         lines = f.readlines()
         for line in lines:
             if line.strip():
                 words = line.decode('utf8').split()
                 # Process words

2、cv2.error: (210) type=6

原因：传递到 knnMatch 的描述符类型不正确或未正确转换为 numpy 数组。

解决方法：确保描述符是 numpy 数组，并且维度正确。

（图片来源网络，侵权删除）

     import cv2
     import numpy as np
     flann_params = dict(algorithm=cv2.flann_IndexParams.KDTREE, trees=4)
     search_params = dict(checks=50)
     matcher = cv2.FlannBasedMatcher(flann_params, search_params)
     des1 = np.asarray(des1).astype(np.float32)
     des2 = np.asarray(des2).astype(np.float32)
     matches = matcher.knnMatch(des1, des2, k=2)

3、**TypeError: Argument given by name ('k') and positional argument after * must be a mapping, not 'int'

原因：在调用 knnMatch 时参数顺序错误或参数类型不匹配。

解决方法：检查参数顺序和类型，确保按正确的方式传递参数。

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

4、ValueError: too many values to unpack

原因：尝试从返回的 matches 中解包过多值。

解决方法：确保 matches 中的每个元素都是预期的结构。

（图片来源网络，侵权删除）

     good_matches = []
     for m, n in matches:
         if m.distance < 0.7 * n.distance:
             good_matches.append(m)

二、代码示例

以下是一个完整的使用 knnMatch 进行图像匹配的示例代码：

import cv2
import numpy as np
读取图像并转换为灰度图
img1 = cv2.imread('image1.jpg', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('image2.jpg', cv2.IMREAD_GRAYSCALE)
初始化 SIFT 检测器
sift = cv2.SIFT_create()
检测关键点和计算描述符
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)
创建 FLANN 匹配器
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)
进行 KNN 匹配
matches = flann.knnMatch(des1, des2, k=2)
应用比率测试
good_matches = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good_matches.append(m)
绘制匹配结果
if len(good_matches) > 10:
    src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(1, 1, 2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(1, 1, 2)
    H, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
    pts = np.float32([[0, 0], [0, img1.shape[0]], [img1.shape[1], img1.shape[0]], [img1.shape[1], 0]])
    dst = cv2.perspectiveTransform(pts, H)
    img2 = cv2.polylines(img2, [np.int32(dst)], True, (255, 0, 0), 3, cv2.LINE_AA)
else:
    print("Not enough matches are found")
显示结果
cv2.imshow('Good Matches', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()