如何在OpenCV Python中实现基于FLANN的特征匹配？

 我们使用尺度不变特征变换（ SIFT ）和Fast Library for Approx Nearest Neighbor（ FLANN ）来实现两个图像之间的特征匹配。使用SIFT来找到特征关键点和描述符。使用基于FLANN的KNN匹配器来匹配两个图像中的描述符。我们使用 cv2.FlannBasedMatcher（） 作为基于FLANN的匹配器。

步骤

要使用尺度不变特征变换（ SIFT ）特征检测器和基于FLANN的匹配器实现两个图像之间的特征匹配，您可以按照以下步骤操作：

• 导入所需库 OpenCV、Matplotlib 和 NumPy 。确保您已经安装了这些库。

• 使用 cv2.imread（） 方法读取两个灰度图像。指定图像的完整路径。

• 使用默认值初始化SIFT对象， sift=cv2.SIFT_create（） 。

• 使用 sift.detectAndCompute（） 在两个输入图像中检测并计算关键点' kp1 '和' kp2 '以及描述符' des1 '和' des2 '。

• 创建基于FLANN的匹配器对象， flann = cv2.FlannBasedMatcher（） 并使用 flann.knnMatch（des1，des2，k=2） 匹配描述符。它返回匹配项。对匹配项进行比率测试以获得最佳匹配项。使用 cv2.drawMatchesKnn（） 绘制匹配项。

• 可视化关键点匹配。

让我们来看一些使用尺度不变特征变换（ SIFT ）特征检测器和基于FLANN的匹配器匹配两个图像的关键点的示例。

输入图像

我们在下面的示例中使用以下图像作为输入文件。

示例

在本例中，我们使用SIFT算法检测两个输入图像的关键点和描述符，并使用基于FLANN的匹配器和KNN匹配算法匹配描述符，同时应用比率测试以仅查找好的匹配项。我们还绘制关键点和匹配项。

<span style="color:#212121"><span style="background-color:#ffffff"><span style="background-color:#272822"><span style="color:#f8f8d4"><code class="language-python"><span style="color:#999999"><span style="color:#93a1a1"># 导入所需库</span></span>
<span style="color:#cc99cd"><span style="color:#f92659">import</span></span><span style="color:#66d9ef"> numpy </span><span style="color:#cc99cd"><span style="color:#f92659">as</span></span><span style="color:#66d9ef"> np
</span><span style="color:#cc99cd"><span style="color:#f92659">import</span></span><span style="color:#66d9ef"> cv2
</span><span style="color:#cc99cd"><span style="color:#f92659">from</span></span><span style="color:#66d9ef"> matplotlib </span><span style="color:#cc99cd"><span style="color:#f92659">import</span></span><span style="color:#66d9ef"> pyplot </span><span style="color:#cc99cd"><span style="color:#f92659">as</span></span><span style="color:#66d9ef"> plt

</span><span style="color:#999999"><span style="color:#93a1a1"># 读取两张输入图像</span></span><span style="color:#66d9ef">
img1 </span><span style="color:#67cdcc"><span style="color:#f8f8f2">=</span></span><span style="color:#66d9ef"> cv2</span><span style="color:#cccccc"><span style="color:#f8f8f2">.</span></span><span style="color:#66d9ef">imread</span><span style="color:#cccccc"><span style="color:#f8f8f2">(</span></span><span style="color:#7ec699"><span style="color:#e6db74">'car.jpg'</span></span><span style="color:#cccccc"><span style="color:#f8f8f2">,</span></span><span style="color:#f08d49"><span style="color:#ae81ff">0</span></span><span style="color:#cccccc