这篇博客介绍了如何在Python3.6环境下使用OpenCV3.4.2的ORB算法进行关键点检测和匹配。通过示例代码展示了ORB关键点的绘制以及利用BFMatcher进行两幅图像间的特征匹配，并通过matplotlib和opencv显示匹配结果的差异。
程序在jupyter notebook下运行过
#ORB drawkeypoints
import numpy as np
import cv2
from matplotlib import pyplot as plt
%matplotlib inline
img = cv2.imread(‘1.png’,1)
orb = cv2.ORB_create()#默认是500
kp= orb.detect(img,None)
kp,des = orb.compute(img,kp)
img2 = cv2.drawKeypoints(img,kp,None,color=(0,255,0),flags=0)
plt.show(img2)
plt.show()
cv2.imshow(‘img’,img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
两种显示方式，是因为opencv和matplotlib读取图像的方式不同，opencv是BGR模式，matplotlib是RGB模式，运行程序后即可发现两种显示方式的图像不同。
#ORB
import numpy as np
import cv2
from matplotlib import pyplot as plt
%matplotlib inline
img = cv2.imread(‘1.png’,1)
img = cv2.imread(‘2.png’,2)
orb = cv2.ORB_create()#默认是500
kp1,des1 = orb.detectAndCompute(img1,None)
kp2,des2 = orb.detectAndCompute(img2,None)
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
