opencv-python 提取sift特征并匹配的实例

2023-08-04 20:04:04 65

#-*-coding:utf-8-*- importcv2 importnumpyasnp fromfind_objimportfilter_matches,explore_match frommatplotlibimportpyplotasplt defgetSift(): ''' 得到并查看sift特征 ''' img_path1='../../data/home.jpg' #读取图像 img=cv2.imread(img_path1) #转换为灰度图 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #创建sift的类 sift=cv2.SIFT() #在图像中找到关键点也可以一步计算#kp,des=sift.detectAndCompute kp=sift.detect(gray,None) printtype(kp),type(kp[0]) #Keypoint数据类型分析http://www.cnblogs.com/cj695/p/4041399.html printkp[0].pt #计算每个点的sift des=sift.compute(gray,kp) printtype(kp),type(des) #des[0]为关键点的list，des[1]为特征向量的矩阵 printtype(des[0]),type(des[1]) printdes[0],des[1] #可以看出共有885个sift特征，每个特征为128维 printdes[1].shape #在灰度图中画出这些点 img=cv2.drawKeypoints(gray,kp) #cv2.imwrite('sift_keypoints.jpg',img) plt.imshow(img),plt.show() defmatchSift(): ''' 匹配sift特征 ''' img1=cv2.imread('../../data/box.png',0)#queryImage img2=cv2.imread('../../data/box_in_scene.png',0)#trainImage sift=cv2.SIFT() kp1,des1=sift.detectAndCompute(img1,None) kp2,des2=sift.detectAndCompute(img2,None) #蛮力匹配算法,有两个参数，距离度量(L2(default),L1)，是否交叉匹配(默认false) bf=cv2.BFMatcher() #返回k个最佳匹配 matches=bf.knnMatch(des1,des2,k=2) #cv2.drawMatchesKnnexpectslistoflistsasmatches. #opencv2.4.13没有drawMatchesKnn函数，需要将opencv2.4.13\sources\samples\python2下的common.py和find_obj文件放入当前目录，并导入 p1,p2,kp_pairs=filter_matches(kp1,kp2,matches) explore_match('find_obj',img1,img2,kp_pairs)#cv2showsimage cv2.waitKey() cv2.destroyAllWindows() defmatchSift3(): ''' 匹配sift特征 ''' img1=cv2.imread('../../data/box.png',0)#queryImage img2=cv2.imread('../../data/box_in_scene.png',0)#trainImage sift=cv2.SIFT() kp1,des1=sift.detectAndCompute(img1,None) kp2,des2=sift.detectAndCompute(img2,None) #蛮力匹配算法,有两个参数，距离度量(L2(default),L1)，是否交叉匹配(默认false) bf=cv2.BFMatcher() #返回k个最佳匹配 matches=bf.knnMatch(des1,des2,k=2) #cv2.drawMatchesKnnexpectslistoflistsasmatches. #opencv3.0有drawMatchesKnn函数 #Applyratiotest #比值测试，首先获取与A距离最近的点B（最近）和C（次近），只有当B/C #小于阈值时（0.75）才被认为是匹配，因为假设匹配是一一对应的，真正的匹配的理想距离为0 good=[] form,ninmatches: ifm.distance<0.75*n.distance: good.append([m]) img3=cv2.drawMatchesKnn(img1,kp1,img2,kp2,good[:10],None,flags=2) cv2.drawm plt.imshow(img3),plt.show() matchSift()

opencv-python 提取sift特征并匹配的实例

热门推荐

随机推荐