SURF算法python实现

最新推荐文章于 2024-01-12 10:20:27 发布

施施001

最新推荐文章于 2024-01-12 10:20:27 发布

阅读量7.8k

点赞数 1

分类专栏：图像匹配

本文链接：https://blog.csdn.net/fuzhaolan0551/article/details/103190441

版权

本文介绍了如何在Python中利用OpenCV库实现SURF（Speeded Up Robust Features）算法，包括加载图片、提取特征点、匹配特征点，并展示了匹配后的结果图像。

摘要由CSDN通过智能技术生成

-- coding: utf-8 --

‘’’
SURF算法
‘’’
import cv2
import numpy as np

‘’‘1、加载图片’’’
img1 = cv2.imread(’./pic/logo1.jpg’,cv2.IMREAD_GRAYSCALE)
img1 = cv2.resize(img1,dsize=(600,400))
img2 = cv2.imread(’./pic/logo2.jpg’,cv2.IMREAD_GRAYSCALE)
img2 = cv2.resize(img2,dsize=(600,400))
image1 = img1.copy()
image2 = img2.copy()

‘’‘2、提取特征点’’’
#创建一个SURF对象
surf = cv2.xfeatures2d.SURF_create(25000)
#SIFT对象会使用Hessian算法检测关键点，并且对每个关键点周围的区域计算特征向量。该函数返回关键点的信息和描述符
keypoints1,descriptor1 = surf.detectAndCompute(image1,None)
keypoints2,descriptor2 = surf.detectAndCompute(image2,None)
print(‘descriptor1:’,descriptor1.shape,‘descriptor2’,descriptor2.shape)
#在图像上绘制关键点
image1 = cv2.drawKeypoints(image=image1,keypoints = keypoin