(一) sift图像配准

1.SIFT特征点和特征描述提取

import cv2 #这里使用的Python 3 
def sift_kp(image):
    gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    sift = cv2.xfeatures2d_SIFT.create() 
    kp,des = sift.detectAndCompute(image,None) 
    kp_image = cv2.drawKeypoints(gray_image,kp,None) 
    return kp_image,kp,des

 

2.SIFT特征点匹配

SIFT算法得到了图像中的特征点以及相应的特征描述，如何把两张图像中的特征点匹配起来呢？一般的可以使用K近邻（KNN）算法。K近邻算法求取在空间中距离最近的K个数据点，并将这些数据点归为一类。在进行特征点匹配时，一般使用KNN算法找到最近邻的两个数据点，如果最接近和次接近的比值大于一个既定的值，那么我们保留这个最接近的值，认为它和其匹配的点为good match（有Lowe在SIFT论文中提出）。

import cv2 
def get_good_match(des1,des2): 
    bf = cv2.BFMatcher() 
    matches = bf.knnMatch(des1, des2, k=2) 
    good = [] 
    for m, n in matches: 
      if m.distance < 0.75 * n.distance: 
            good.append(m)
    return good