python-2.7 - 特征点的OpenCV密度

使用OpenCV SIFT算法，我能够获取2张图像之间的匹配和不匹配特征点。我的解决方案是here
匹配(绿色)和不匹配(红色)特征点的分布如下图所示(我无法显示实际图像。但是该图像主要包含文本)

我想为图像上的匹配点和不匹配点计算密度函数(即给定图像上的nXn区域，密度函数应给出该nXn区域内存在多少个匹配点)。我怎样才能做到这一点？
其次，我想计算一个给出图像nXn区域内匹配和不匹配特征点的密度比的函数。我在Windows 7上使用Python代码并从最新的OpenCV源代码构建。

最佳答案

要计算匹配和不匹配关键点的密度，您可以将图像划分为给定大小的子正方形，并在每个正方形上计算两个密度。请参阅以下示例:


这将允许离散化相同区域表面上的密度。要计算给定正方形的密度，可以执行以下操作:

创建与正方形相对应的Rect(x，y，宽度，高度)对象。

遍历所有不匹配的关键点，并检查Rect中中包含的中有多少(可以使用Rect。contains(点))。

对匹配的关键点重复上一步。

计算示例示例中显示的密度(每平方像素的关键点)。

N.B. 实际上，Rect仅存在于 OpenCV C++ 中，因此，您可以根据需要在Python中重新创建Rect(及其包含方法)类(尽管不是必需的)。