图像配准方法（一）

一：选取ROI与图像进行匹配
openv的aircv库中提供了图像匹配的方法：
以下是demo:

import cv2
import aircv as ac

def draw_rectangle(img, pos_1, pos_4, color, line_width):
    cv2.rectangle(img, pos_1, pos_4, color, line_width)
    cv2.imshow('objDetect', imsrc) 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == "__main__":
    imsrc = ac.imread('D:\\python_opencv\\source_image\\image_match\\1.jpg')
    imobj = imsrc[248:328, 187:261] #第一个参数代表y方向，第二个参数代表x方向，因此在这里取的是(224±37, 288±40)
    imsrc = ac.imread('D:\\python_opencv\\source_image\\image_match\\2.jpg')

    # find the match position
    pos = ac.find_template(imsrc, imobj)
    print(pos)

    circle_center_pos = pos['result']
    color = (0, 255, 0)
    line_width = 3

    # draw rectangle
    draw_rectangle(imsrc, (int(circle_center_pos[0])-50, int(circle_center_pos[1])-50), (int(circle_center_pos[0])+ 50, int(circle_center_pos[1])+50), (0, 255, 0), 2)

结果为：

以下是拍摄的一组照片，其中7、8、9为特意偏移一段距离后拍摄的。 可以得知对于照片1中所取的ROI(Region Of Interest)，图片1-10所对应的坐标为：
1: (224.0, 288.0)
2: (228.0, 291.0)
3: (232.0, 292.0)
4: (228.0, 289.0)
5: (230.0, 291.0)
6: (232.0, 290.0)
7: (230.0, 292.0)
8: (259.0, 290.0)
9: (259.0, 286.0)
10: (265.0, 284.0)
但是假如所取区域为特征不明显区域结果会怎么样呢？
假如取的区域如下图所示：

那么得到的1-10图像匹配结果为：
1: (310.0, 240.0)
2: (314.0, 243.0)
3: (350.0, 229.0)
4: (313.0, 241.0)
5: (316.0, 242.0)
6: (339.0, 232.0)
7: (345.0, 248.0)
8: (35.0, 425.0)
9: (376.0, 233.0)
10:(384.0, 202.0)
容易出现很明显的误匹配,如图8与ROI匹配结果为：