使用sift特征匹配旋转图像

最新推荐文章于 2024-07-28 08:45:45 发布

WeiGuanQun

最新推荐文章于 2024-07-28 08:45:45 发布

阅读量4k

点赞数 1

分类专栏： opencv

本文链接：https://blog.csdn.net/WeiGuanQun/article/details/79764847

版权

本文深入探讨如何利用SIFT（尺度不变特征变换）特征匹配技术来解决图像旋转问题。通过详细解析代码，阐述了在图像处理中检测关键点、描述符匹配及旋转校正的步骤，旨在帮助读者理解和掌握这一实用技能。

摘要由CSDN通过智能技术生成

import cv2
import numpy as np
import os
MIN_MATCH_COUNT = 4
doc = open("C:\\Data\\test\\rotate.txt", 'a')

img1=cv2.imread("C:\\Data\\test\\IMG_6661.png")
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
for num in range(1,6):
    read_path=os.path.join("C:\\Data\\test",str(num))
    save_path=os.path.join("C:\\Data\\test\\test_rotate",str(num))
    if not os.path.exists(save_path):
        os.makedirs(save_path)
    files=os.listdir(read_path)
    for file in files:
        file_path=os.path.join(read_path,file)
        print file
        img2 = cv2.imread(file_path)
        gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

        ## (2) Create SIFT object
        sift = cv2.xfeatures2d.SIFT_create()

        ## (3) Create flann matcher
        # 二者的区别在于BFMatcher总是尝试所有可能的匹配，从而使得它总能够找到最佳匹配，这也是Brute
        # Force（暴力法）的原始含义。而FlannBasedMatcher中FL