SIFT图像拼接（python）

SIFT算法python实现图像拼接

目录

SIFT算法.... 2

1.读入图片并转化为灰度图... 2

2.创建SIFT对象.... 2

求解特征点和特征向量.... 2

3.构造BFMacher对象... 2

4.用knnMatch方法进行关键点多点匹配.... 2

5.去除不可靠匹配.... 3

6.寻得可靠匹配点并转换类型.... 3

7.求解转换矩阵.... 4

8.图像空间变换.... 4

9.图像拼接.... 5

10.显示结果.... 5

SIFT算法 1.读入图片并转化为灰度图

left = cv2.imread("left.png")
right = cv2.imread("right.png")

gray1 = cv2.cvtColor(left, cv2.THRESH_BINARY)
gray2 = cv2.cvtColor(right, cv2.THRESH_BINARY)

2.创建SIFT对象

sift = cv2.xfeatures2d.SIFT_create()

创建对象时不需要传递参数

求解特征点和特征向量

kpsA, dpA = sift.detectAndCompute(gray1, None)
kpsB, dpB = sift.detectAndCompute(gray2, None)

有两个必须的参数，第一个是求解特征点和特征向量的图像。

第二个参数决定是否对特定区域求解，传入一个mask。

返回值kps是对图像求解的特征点，是一个一维向量，其中每一个元素属于keypoint类型。

dp是与kps对性的特征向量，也是一个列表，其中每一个元素是长度为128的向量.

3.构造BFMacher对象

brute force蛮力匹配

bf = cv2.BFMatcher()

4.用knnMatch方法进行关键点多点匹配

matches = bf.knnMatch(dpA, dpB, k=2)

knnMatch有三个参数，前两个是需要进行匹配的图像的特征向量，k为需要匹配的点的对数。

返回值是一个列表，其中每个元素也是一个列表，列表中有两个元素，为DMatch类型

[, ]

                                                         （图片截屏自blbl课程视屏）

5.去除不可靠匹配

good_matches = []
for m in matches:
    if len(m) == 2 and m[0].distance < 0.4 * m[1].distance:
        good_matches.append((m[0].queryIdx, m[0].trainIdx))

新建一个空列表

遍历matches，如果第一对点的欧氏距离小于k倍第二对点的欧氏距离则说明第一对点匹配可靠，将这对点的索引号追加到good_matches

6.寻得可靠匹配点并转换类型

kps1 = np.float32([kp.pt for kp in kpsA])
kps2 = np.float32([kp.pt for kp in kpsB]

将keypoint的pt属性（即关键点的坐标）赋值给kps

kps1 = np.float32([kps1[a[0]] for a in good_matches])
kps2 = np.float32([kps2[a[1]] for a in good_matches]

将根据good_matches匹配好的序号，将kps1和kps2对应排序

7.求解转换矩阵

M, status = cv2.findHomography(kps2, kps1, cv2.RANSAC, 4.0)

findHomography的参数，前两个是对应关键点的坐标，第三个是求解方法，第四个是将点对视为内点的最大允许重投影错误阈值（仅用于RANSAC和RHO方法）。

返回值M为变换矩阵。

8.图像空间变换

result = cv2.warpPerspective(right, M, (left.shape[1] + right.shape[1], right.shape[0]))

warpPerspective的参数中，第一个为要变换的图像，第二个为变换矩阵，第三个为变换后图像的长，第四个为变换后图像的高。

9.图像拼接

result[0:left.shape[0], 0:left.shape[1]] = left

将变换后的图像对应要拼接原图像的地方用原图像覆盖。

10.显示结果

cv2.imshow("left", left)
cv2.imshow("right", right)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()