python 图像配准ctselect_Python进行SIFT图像对准

基础方法

SIFT特征点和特征描述提取

SIFT算法广泛使用在计算机视觉领域，在OpenCV中也对其进行了实现。

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

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.app