python
import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
box.png
box_in_scene.png
python
img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)
python
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
python
cv_show('img1',img1)
python
cv_show('img2',img2)
python
sift = cv2.xfeatures2d.SIFT_create()
python
kp1,des1 = sift.detectAndCompute(img1,None)
kp2,des2 = sift.detectAndCompute(img2,None)
python
# crossCheck 表示两个特征点要互相匹配,例如A中的第i个特征点与B中的第j个特征点最近的,并且B中的第j个特征点到A中的第i个特征点也是
# NORM_L2 :归一化数组的(欧几里德距离),如果其他特征计算方法需要考虑不同的匹配计算方式
bf = cv2.BFMatcher(crossCheck=True)
1对1的匹配
python
matches = bf.match(des1,des2)
matches = sorted(matches, key=lambda x: x.distance)
python
img3 = cv2.drawMatches(img1,kp1,img2,kp2,matches[:10],None,flags=2)
python
cv_show('img3',img3)
输出结果:
k对最佳匹配
python
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2,k=2)
python
good = []
for m,n in matches:
if m.distance < 0.75*n.distance:
good.append([m])
python
img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=2)
python
cv_show('img3',img3)
输出结果:
ps:这里有一两个匹配点是错误的,还需要进一步的优化。