如何在 OpenCV 中找到特定 SIFT 特征/描述的方向？

Question

所以我有一个模板和一张图像。我想找到图像内模板的位置和方向。我正在使用 SIFT 来查找特征和描述。

问题是只有一个特征在识别图像时始终正确。单应性至少需要 4 个特征才能发挥作用。 错误：（-28：未知错误代码-28）输入数组应该至少有4个相应的点集来计算函数'cv :: findHomography'中的单应性

因为我正在处理2D图像（与相同比例），即使是一个正确特征的位置和旋转也应该足以提供图像中模板的位置和旋转。

来自 OpenCV 文档 https://docs.opencv.org/3.4/da/df5 /tutorial_py_sift_intro.html

OpenCV还提供了cv.drawKeyPoints()函数来绘制小点 关键点位置上的圆圈。如果你经过一面旗帜， cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS 给它，它会画一个圆 随着关键点的大小，它甚至会显示其方向。

然而，我正在工作的图像分辨率太低，无法实际看到圆圈，我需要可以比较的数字。

我在互联网上找到的所有其他寻找方向的示例都使用边缘检测。然而，我的模板中不存在可以轻松计算斜率的直边。 这个解决方案可以提供帮助，但是我的图像可能包含其他不需要的对象，这些对象会扰乱“minAreaRect”。如果还有其他解决方案，请告诉我。

我寻找了有关如何处理“关键点”和“描述”中的数字的教程、书籍和文档，但我找不到任何内容。

也许我应该使用 SURF - 对于 2d、相同颜色的图像来说速度更快 - 但它在最新的 opencv 版本中不可用。

要搜索的模板

要在其中搜索的图像

匹配

sift = cv.SIFT_create()
# find the keypoints and descriptors with SIFT
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)
print (des1)
# BFMatcher with default params
bf = cv.BFMatcher()
matches = bf.knnMatch(des1,des2,k=2)
# Apply ratio test
good = []
good_match = []
for m,n in matches:
    if m.distance < .5*n.distance:
        good.append([m])
        good_match.append(m)
print('good matches are')
print(good)
print(good_match)
# cv.drawMatchesKnn expects list of lists as matches.
img3 = cv.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
plt.imshow(img3),plt.show()
src_pts = np.float32([ kp1[m.queryIdx].pt for m in good_match ]).reshape(-1,1,2)
dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good_match ]).reshape(-1,1,2)
M, mask = cv.findHomography(src_pts, dst_pts, cv.RANSAC,5.0)
matchesMask = mask.ravel().tolist()
h,w = img1.shape
pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2)
dst = cv.perspectiveTransform(pts,M)
img2 = cv.polylines(img2,[np.int32(dst)],True,255,3, cv.LINE_AA)
draw_params = dict(matchColor = (0,255,0), # draw matches in green color
                   singlePointColor = None,
                   matchesMask = matchesMask, # draw only inliers
                   flags = 2)
img3 = cv.drawMatches(img1,kp1,img2,kp2,good,None,**draw_params)
plt.imshow(img3, 'gray'),plt.show()