OpenCV | 特征匹配

squirrel快乐敲码2023-12-13 12:10

python 复制代码

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

box.png

box_in_scene.png

python 复制代码

img1 = cv2.imread('box.png',0)
img2 = cv2.imread('box_in_scene.png',0)

python 复制代码

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

python 复制代码

cv_show('img1',img1)

python 复制代码

cv_show('img2',img2)

python 复制代码

sift = cv2.xfeatures2d.SIFT_create()

python 复制代码

kp1,des1 = sift.detectAndCompute(img1,None)
kp2,des2 = sift.detectAndCompute(img2,None)

python 复制代码

# 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 复制代码

matches = bf.match(des1,des2)
matches = sorted(matches, key=lambda x: x.distance)

python 复制代码

img3 = cv2.drawMatches(img1,kp1,img2,kp2,matches[:10],None,flags=2)

python 复制代码

cv_show('img3',img3)

输出结果：

k对最佳匹配

python 复制代码

bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2,k=2)

python 复制代码

good = []
for m,n in matches:
    if m.distance < 0.75*n.distance:
        good.append([m])

python 复制代码

img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=2)

python 复制代码

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。