计算机视觉实验五用SIFT算法和暴力匹配器拼接图像

最新推荐文章于 2024-07-28 08:43:40 发布

拔牙不打麻药

最新推荐文章于 2024-07-28 08:43:40 发布

阅读量1.4k

点赞数

分类专栏：计算机视觉文章标签：计算机视觉

本文链接：https://blog.csdn.net/weixin_43820665/article/details/109705297

版权

本文介绍了使用SIFT算法提取关键点和特征向量，结合暴力匹配器寻找匹配点进行图像拼接的过程。在实验中，通过detectAndCompute()获取关键点和描述符，使用暴力匹配器的knnMatch()找到最佳匹配，设定距离比值阈值筛选匹配点。当匹配点数量满足条件时，生成视角变换矩阵，实现图像拼接。实验结果显示了关键点匹配和最终的图像拼接效果，可用于解决场景图像拼接问题。过程中遇到SIFT算法无法使用的问题，通过调整opencv库版本得以解决。

摘要由CSDN通过智能技术生成

实验原理

SIFT算法：提取不容易受光照尺度等因素影响的关键点，并确定特征方向。通过关键点的特征向量，对关键点进行比较找出相互匹配的特征点，建立图像上物体的对应关系。
暴力匹配器：在第一幅图像选取一个特征点，然后依次与第二个图像中的特征点进行距离测试，最后返回距离最近的特征点。

实验过程

首先用detectAndCompute ()求出图像的关键点和描述符
在这里插入图片描述
创建暴力匹配器

用Matcher.knnMatch()获得两幅图像的K个最佳匹配，此时K=2

当匹配中的每一组匹配对距离比值小于0.75时,将该匹配对加入数组matches中。

当matches中元素超过四个时，生成视角变换矩阵，否则返回none
在这里插入图片描述
将两张图片的关键点进行可视化连接

将img1进行视角变换，并把img2插入到result图片最左端。

附完整代码

# -*- coding: utf-8 -*-
"""
Created on Sat Nov 14 15:14:13 2020

@author: 张若昀的对象
"""
import cv2
import numpy as np
## 输入拼接的图片
image1 = cv2.imread("left_01.png")
image2 = cv2.imread("right_01.png")

def stitch( images, ratio = 0.75, reprojThresh = 4.0, showMatches = False):
    #获取输入图片
    (image2, image1) = images
    #检测image1,image2图片的SIFT关键特征点，并计算特征描述子
    (keypoint1, features1) = detectAndDescribe(image1)
    (keypoint2, features2) = detectAndDescribe(image2)
    
    #匹配两张图片的所有特征点，并返回匹配结果
    M = matchKeypoints(keypoint1, keypoint2, features1, features2, ratio, reprojThresh)
    
    #如果返回的结果为空，就是没有匹配成功的点，退出算法
    if M is None:
        return None
    
    #当结果不为空时，提取匹配结果
    #H是3*3的视觉变换矩阵
    (matches