opencv-python提取sift特征并匹配的实例-创新互联
我就废话不多说,直接上代码吧!
创新互联主要从事成都网站制作、网站建设、网页设计、企业做网站、公司建网站等业务。立足成都服务陆港,10多年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18982081108# -*- 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_path2 = '../../data/home.jpg' #读取图像 img = cv2.imread(img_path2) #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opencv2.4.13\sources\samples\python2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()
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。
网站名称:opencv-python提取sift特征并匹配的实例-创新互联
文章URL:http://myzitong.com/article/dhhiic.html