ORB/FLANN图像匹配时保存加载描述符后匹配结果不一致问题

核心原因 #

你遇到的问题核心是FLANN匹配器的索引构建逻辑导致的，和描述符的保存加载流程本身无关：

• cv2.FlannBasedMatcher实例在第一次调用knnMatch/match方法时，会自动将传入的第二个描述符（作为检索库的描述符）构建成内部搜索索引，索引一旦生成，后续再调用匹配方法时，无论你传入的第二个描述符有没有更新，匹配器都会直接复用第一次生成的旧索引，不会重新构建，所以你加载新的des2后做的匹配实际还是用第一次的des2做的检索，结果自然对不上。
• 次要可能性：可以额外验证加载后的des2和原始des2的shape、dtype是否完全一致，ORB的描述符是uint8类型，numpy的save/load默认会保留类型和维度，出现问题的概率极低。
• 补充：FLANN的LSH算法本身是概率性检索，即使完全相同的输入，多次运行也可能存在个位数的匹配数量差异，但不会出现数量级的偏差。

修复方案 #

每次更换作为检索库的描述符时，需要重新实例化FLANN匹配器，或者显式更新匹配器的索引，修正后的代码如下：

import numpy as np
import cv2

# 读入图像、提取ORB描述符
first_image = cv2.imread('firstimage.jpg', 0)
second_image = cv2.imread('secondimage.jpg', 0)

detector = cv2.ORB_create(500)
kp1, des1 = detector.detectAndCompute(first_image, None)
kp2, des2 = detector.detectAndCompute(second_image, None)

# 通用FLANN参数
FLANN_INDEX_LSH = 6
index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, 
                   key_size = 12, multi_probe_level = 1)
search_params = dict()

# 第一次匹配：用原始des2
flann1 = cv2.FlannBasedMatcher(index_params,search_params)
matches = flann1.knnMatch(des1, des2, k=2)

goodmatches = 0
for m, n in matches:
    if m.distance < 0.7*n.distance:
        goodmatches += 1
print("保存描述符前的优质匹配数量 =", goodmatches)

# 保存+加载描述符
np.save('descfile', des2)
desc2_load = np.load('descfile.npy')

# 第二次匹配：重新实例化FLANN匹配器，使用加载后的des2
flann2 = cv2.FlannBasedMatcher(index_params,search_params)
matches = flann2.knnMatch(des1, desc2_load, k=2)

goodmatches = 0
for m, n in matches:
    if m.distance < 0.7*n.distance:
        goodmatches += 1
print("从文件加载描述符后的优质匹配数量 =", goodmatches)

运行上述修正后的代码，两次输出的匹配数量就会基本一致了。

内容的提问来源于stack exchange，提问作者CardaHolic