python opencvで特徴量マッチング

Question

python opencv で2枚の画像（比較される画像、パターン画像)を比較して、
特徴量マッチングをおこない、一致した場所を四角形でくくりたいと考えています。
いろいろ検索してインターネット上から、上記内容ができそうな
参考プログラムを見つけたため、試してみました。
作ったコード

import numpy as np
import cv2
import sys

img1 = cv2.imread("src/star.png",0) 
img2 = cv2.imread("src/starPtn.png",0) 
 
akaze = cv2.AKAZE_create()
 
kp1, des1 = akaze.detectAndCompute(img1,None)
kp2, des2 = akaze.detectAndCompute(img2,None)
 
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2,k = 2)
 
good = []
for m,n in matches:
    if m.distance < 0.7*n.distance:
        good.append(m)
        
if len(good)>MIN_MATCH_COUNT:
    src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2)
    dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2)
 
    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.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 = cv2.perspectiveTransform(pts,M)
 
    print('true')
    print(np.int32(dst)[0][0][0],np.int32(dst)[0][0][1])
    print(np.int32(dst)[1][0][0],np.int32(dst)[1][0][1])
    print(np.int32(dst)[2][0][0],np.int32(dst)[2][0][1])
    print(np.int32(dst)[3][0][0],np.int32(dst)[3][0][1])
    
else:
    print('false')

print 出力結果：
true
-204 -82
-204 297
488 296
488 -81

となります。
得られた結果は、なにを表しているのでしょうか？
(座標を表しているとは思いますが、マイナス[-]がでるのは？)

使っている画像は、
上：比較画像、下：パターン画像

以上、宜しくお願い致します。

Answer 1

提示コードの動作よく分かっていませんが、比較される画像とパターン画像を逆にするとそれらしい結果が得られました。
参考：Python3+OpenCV3でパッケージ認識してみましょう

import numpy as np
import cv2
import sys

img1 = cv2.imread("starPtn.png",1)
img2 = cv2.imread("star.png",1)

akaze = cv2.AKAZE_create()
kp1, des1 = akaze.detectAndCompute(img1,None)
kp2, des2 = akaze.detectAndCompute(img2,None)

bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2,k = 2)

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

if len(good):
    src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2)
    dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2)

    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0)
    matchesMask = mask.ravel().tolist()

    h,w,c = img1.shape
    pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2)
    dst = cv2.perspectiveTransform(pts,M)

    dst_pts = [ (np.int32(dst)[0][0][0],np.int32(dst)[0][0][1]),
                (np.int32(dst)[1][0][0],np.int32(dst)[1][0][1]),
                (np.int32(dst)[2][0][0],np.int32(dst)[2][0][1]),
                (np.int32(dst)[3][0][0],np.int32(dst)[3][0][1])]

    for idx in range(len(dst_pts)):
        cv2.line(img2, dst_pts[idx], dst_pts[(idx+1) % len(dst_pts)], (0,0,255),2)

    cv2.imshow("img2", img2)
    k = cv2.waitKey(0)