当前位置： 移动技术网 > IT编程>脚本编程>Python > python-应用OpenCV和Python进行SIFT算法的实现

python-应用OpenCV和Python进行SIFT算法的实现

2019年06月09日  | 移动技术网IT编程  | 我要评论

小格式自压原创区,摸jj,哈士奇幼犬

如下图为进行测试的q和h，分别验证基于bfmatcher、flannbasedmatcher等的sift算法

代码如下：

import numpy as np
import cv2
from matplotlib import pyplot as plt


imgname1 = 'g:/q.jpg'
imgname2 = 'g:/h.jpg'

sift=cv2.xfeatures2d.sift_create()
img1 = cv2.imread(imgname1)
gray1 = cv2.cvtcolor(img1, cv2.color_bgr2gray) #灰度处理图像
kp1, des1 = sift.detectandcompute(img1,none)   #des是描述子

img2 = cv2.imread(imgname2)

gray2 = cv2.cvtcolor(img2, cv2.color_bgr2gray)#灰度处理图像
kp2, des2 = sift.detectandcompute(img2,none)  #des是描述子

#hmerge = np.hstack((gray1, gray2)) #水平拼接
#cv2.imshow("gray", hmerge) #拼接显示为gray
#cv2.waitkey(0)

#img3 = cv2.drawkeypoints(img1,kp1,img1,color=(255,0,255)) #画出特征点，并显示为红色圆圈
#img4 = cv2.drawkeypoints(img2,kp2,img2,color=(255,0,255)) #画出特征点，并显示为红色圆圈

#hmerge = np.hstack((img3, img4)) #水平拼接
#cv2.imshow("point", hmerge) #拼接显示为gray
#cv2.waitkey(0)

# bfmatcher解决匹配
bf = cv2.bfmatcher()
matches = bf.knnmatch(des1,des2, k=2)
# 调整ratio
good = []
for m,n in matches:
    if m.distance < 0.75*n.distance:
        good.append([m])

img5 = cv2.drawmatchesknn(img1,kp1,img2,kp2,good,none,flags=2)

cv2.imshow("bfmatch", img5)
cv2.waitkey(0)
cv2.destroyallwindows()

效果如下：

 

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网