python+手动选取两张图像的对应特征点并获取仿射矩阵参数

import cv2
from pylab import *
#手动选取配准点进行配准融合
srcpoint = []
destpoint = []
sourcepoint = []
targetpoint = []
#显示图像
def viewImage(image):
    cv2.namedWindow('Display', cv2.WINDOW_KEEPRATIO)
    cv2.imshow('Display', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
#图像1的点击事件
def click_event_srcI1gray(event, x, y, flags, params):
    global srccount
    if event == cv2.EVENT_LBUTTONDOWN:
        srcpoint.append((x,y))
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(I1gray, str(x) + ',' +
                       str(y), (x, y), font,
                        0.5, (255, 0, 0), 1)
        cv2.imshow('Base Image', I1gray)
#图像2的点击事件
def click_event_dstI2gray(event, x, y, flags, params):
    global destpoint
    if event == cv2.EVENT_LBUTTONDOWN:
        destpoint.append((x,y))
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(I2gray, str(x) + ',' +
                       str(y), (x, y), font,
                        0.5, (255, 0, 0), 1)
        cv2.imshow('Target Image', I2gray)
def homography_manual():
    global sourcepoint, targetpoint
    sourcepoint=np.array(srcpoint)
    targetpoint=np.array(destpoint)
    #h为仿射矩阵
    h,status=cv2.findHomography(sourcepoint,targetpoint)
    print(h)
    image_output=cv2.warpPerspective(I1gray,h,(I2gray.shape[1],I2gray.shape[0]))
    viewImage(image_output)
    rate = 0.5
    #两张图像重合显示
    overlapping = cv2.addWeighted(I2gray, rate, image_output, 1 - rate, 0)
    viewImage(overlapping)
    
if __name__ == "__main__":
		#读取图像
    [I1gray, I2gray, I1rgb, I2rgb, path1, path2] = read.readImage()
    cv2.namedWindow('Base Image', 0)
    # cv2.resizeWindow('Base Image', 640, 512)  # 自己设定窗口图片的大小
    cv2.imshow('Base Image', I1gray)
    cv2.setMouseCallback('Base Image', click_event_srcI1gray)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    cv2.namedWindow('Target Image', 0)
    # cv2.resizeWindow('Target Image', 640, 512)  # 自己设定窗口图片的大小
    cv2.imshow('Target Image', I2gray)
    cv2.setMouseCallback('Target Image', click_event_dstI2gray)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    homography_manual()

实验结果:
弹出窗口显示图像,鼠标点击对应特征点,并显示位置信息
在这里插入图片描述重叠效果:
请添加图片描述
记得点个赞!

  • 3
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中,可以使用OpenCV库实现对两张图像进行仿射变换,具体步骤如下: 1. 导入OpenCV库 ``` import cv2 ``` 2. 读入原始图像和目标图像 ``` src = cv2.imread("src.jpg") dst = cv2.imread("dst.jpg") ``` 3. 提取原始图像和目标图像中的特征点 ``` # 创建SIFT对象 sift = cv2.xfeatures2d.SIFT_create() # 用SIFT算法检测特征点并计算特征描述子 kp1, des1 = sift.detectAndCompute(src, None) kp2, des2 = sift.detectAndCompute(dst, None) ``` 4. 在原始图像和目标图像中匹配特征点 ``` # 创建BFMatcher对象 bf = cv2.BFMatcher() # 匹配特征点 matches = bf.knnMatch(des1, des2, k=2) ``` 5. 通过RANSAC算法估计变换矩阵 ``` # 获取匹配点对 good = [] for m, n in matches: if m.distance < 0.75 * n.distance: good.append(m) # 计算变换矩阵 src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1, 1, 2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) ``` 6. 对原始图像进行仿射变换 ``` # 对原始图像进行仿射变换 rows, cols, ch = src.shape warped = cv2.warpPerspective(src, M, (cols, rows)) # 将原始图像和目标图像拼接在一起显示 result = cv2.addWeighted(warped, 0.5, dst, 0.5, 0) cv2.imshow("result", result) cv2.waitKey(0) ``` 在上述代码中,使用了SIFT算法检测特征点,BFMatcher算法匹配特征点,RANSAC算法估计变换矩阵,warpPerspective函数对原始图像进行仿射变换。你也可以使用其他的特征点检测算法、特征点匹配算法和变换估计算法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值