python特征匹配_opencv-python 提取sift特征并匹配的实例

我就废话不多说，直接上代码吧！

# -*- coding: utf-8 -*-

import cv2

import numpy as np

from find_obj import filter_matches,explore_match

from matplotlib import pyplot as plt

def getSift():

"""

得到并查看sift特征

"""

img_path1 = "../../data/home.jpg"

#读取图像

img = cv2.imread(img_path1)

#转换为灰度图

gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#创建sift的类

sift = cv2.SIFT()

#在图像中找到关键点 也可以一步计算#kp, des = sift.detectAndCompute

kp = sift.detect(gray,None)

print type(kp),type(kp[0])

#Keypoint数据类型分析 http://www.cnblogs.com/cj695/p/4041399.html

print kp[0].pt

#计算每个点的sift

des = sift.compute(gray,kp)

print type(kp),type(des)

#des[0]为关键点的list，des[1]为特征向量的矩阵

print type(des[0]), type(des[1])

print des[0],des[1]

#可以看出共有885个sift特征，每个特征为128维

print des[1].shape

#在灰度图中画出这些点

img=cv2.drawKeypoints(gray,kp)

#cv2.imwrite("sift_keypoints.jpg",img)

plt.imshow(img),plt.show()

def matchSift():

"""

匹配sift特征

"""

img1 = cv2.imread("../../data/box.png", 0) # queryImage

img2 = cv2.imread("../../data/box_in_scene.png", 0) # trainImage

sift = cv2.SIFT()

kp1, des1 = sift.detectAndCompute(img1, None)

kp2, des2 = sift.detectAndCompute(img2, None)

# 蛮力匹配算法,有两个参数，距离度量(L2(default),L1)，是否交叉匹配(默认false)

bf = cv2.BFMatcher()

#返回k个最佳匹配

matches = bf.knnMatch(des1, des2, k=2)

# cv2.drawMatchesKnn expects list of lists as matches.

#opencv2.4.13没有drawMatchesKnn函数，需要将opencv2.4.13sourcessamplespython2下的common.py和find_obj文件放入当前目录，并导入

p1, p2, kp_pairs = filter_matches(kp1, kp2, matches)

explore_match("find_obj", img1, img2, kp_pairs) # cv2 shows image

cv2.waitKey()

cv2.destroyAllWindows()

def matchSift3():

"""

匹配sift特征

"""

img1 = cv2.imread("../../data/box.png", 0) # queryImage

img2 = cv2.imread("../../data/box_in_scene.png", 0) # trainImage

sift = cv2.SIFT()

kp1, des1 = sift.detectAndCompute(img1, None)

kp2, des2 = sift.detectAndCompute(img2, None)

# 蛮力匹配算法,有两个参数，距离度量(L2(default),L1)，是否交叉匹配(默认false)

bf = cv2.BFMatcher()

#返回k个最佳匹配

matches = bf.knnMatch(des1, des2, k=2)

# cv2.drawMatchesKnn expects list of lists as matches.

#opencv3.0有drawMatchesKnn函数

# Apply ratio test

# 比值测试，首先获取与A 距离最近的点B(最近)和C(次近)，只有当B/C

# 小于阈值时(0.75)才被认为是匹配，因为假设匹配是一一对应的，真正的匹配的理想距离为0

good = []

for m, n in matches:

if m.distance < 0.75 * n.distance:

good.append([m])

img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good[:10], None, flags=2)

cv2.drawm

plt.imshow(img3), plt.show()

matchSift()

以上这篇opencv-python 提取sift特征并匹配的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持云海天教程。