为什么我没有足够的值来解压缩某些图像（预期2，得到1）？

Question

import cv2
import numpy as np
import sys
from IPython.display import Image
from matplotlib import pyplot as plt
import numpy
import os


img = cv2.imread('C:\\Users\\not-cropped.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

search_params = dict(checks = 50)

FLANN_INDEX_LSH = 6
index_params= dict(algorithm = FLANN_INDEX_LSH,
                   table_number =12 , # 12
                   key_size = 20,     # 20
                   multi_probe_level = 2) #2



# Initiate STAR detector
star = cv2.xfeatures2d.StarDetector_create()
# Initiate BRIEF extractor
brief = cv2.xfeatures2d.BriefDescriptorExtractor_create()

# find the keypoints with STAR
kp_brief_o = star.detect(gray,None)

# compute the descriptors with BRIEF
kp_brief_o, des_brief_o = brief.compute(gray, kp_brief_o)


img66 = cv2.drawKeypoints(gray,kp_brief_o,None,(255,0,0),4)
plt.imshow(img66),plt.show()
##########################################################33
gray_crop = cv2.imread('C:\\Users\\cropped.jpg', 0)

kp_brief_crop = star.detect(gray_crop,None)

kp_brief_crop, des_brief_crop = brief.compute(gray_crop, kp_brief_crop)

flann = cv2.FlannBasedMatcher(index_params, search_params)
matches = flann.knnMatch(des_brief_o, des_brief_crop, k=2)

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

我想将图像与另一个使用星标作为描述符的图像进行比较，并简短地检测描述符，它在某些图像上按预期工作，但在其他图像上（如附件2），它将抛出异常，尽管第二个是第一个的裁剪，并且当图像完全不同时，甚至会抛出相同的异常。

错误：

ValueError Traceback (most recent call last)
<ipython-input-56-9685f4afabba> in <module>
     44 
     45 good = []
---> 46 for m,n in matches:
     47     if m.distance < 0.7*n.distance:
     48         good.append(m)

ValueError：没有足够的值可解包（预期2，得到1）

图片：

主要

裁剪

不相关的图片，我仍然会收到错误

Answer 1

听起来您没有得到任何匹配。 尝试确保您有关键点。 也许您可以检查len(des_brief_o)和len(des_brief_crop)返回什么。 在这种情况下，我认为matches为“ None 。

所以我运行了您的代码，我遇到了同样的问题：

for m in matches:
    print(m)

并且某些匹配项仅包含一个元素或不包含任何元素。

...
[<DMatch 0x10e6b93f0>, <DMatch 0x10e6b9410>]
[<DMatch 0x10e6b9430>, <DMatch 0x10e6b9450>]
[<DMatch 0x10e6b9470>, <DMatch 0x10e6b9490>]
[<DMatch 0x10e6b94b0>, <DMatch 0x10e6b94d0>]
[]
[<DMatch 0x10e6b94f0>, <DMatch 0x10e6b9510>]
[<DMatch 0x10e6b9530>, <DMatch 0x10e6b9550>]
[<DMatch 0x10e6b9570>, <DMatch 0x10e6b9590>]
[]
[<DMatch 0x10e6b95b0>, <DMatch 0x10e6b95d0>]
[<DMatch 0x10e6b95f0>]
[<DMatch 0x10e6b9610>, <DMatch 0x10e6b9630>]
...

为什么不跳过没有匹配项或只有一项匹配项的结果：

good = []
for m in matches:
    if len(m) == 2:
       if m[0].distance < 0.7 * m[1].distance:
          good.append(m[0])