SIFT暴力匹配 FLANN快速匹配

最新推荐文章于 2025-04-30 09:04:55 发布

blackjakechen

最新推荐文章于 2025-04-30 09:04:55 发布

阅读量4.2k

点赞数 1

本文链接：https://blog.youkuaiyun.com/blackjakechen/article/details/90240669

版权

本文探讨了SIFT（尺度不变特征变换）特征的提取与匹配，并重点介绍了如何利用FLANN（Fast Library for Approximate Nearest Neighbors）进行快速匹配，提升图像处理的效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from PIL import Image
import cv2
import numpy as np
import matplotlib.pyplot as plt
#计算特征点
cs1 = cv2.imread("cs1.jpg")
img1 = cv2.resize(cs1,(500,500))
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
cv2.imshow("img1",img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

sift = cv2.xfeatures2d.SIFT_create()
kp = sift.detect(gray,None)  #搜索关键点
img_sift = cv2.drawKeypoints(img1,kp,img1) #绘制关键点
cv2.imshow("img_sift",img_sift)
cv2.waitKey(0)
cv2.destroyAllWindows()

kp,des = sift.compute(gray,kp)  #计算关键点 得到关键点参数
print(len(kp))
print (des.shape)
print (des[0])

#蛮力匹配
cs1 = cv2.imread("cs1.jpg")
cs2 = cv2.imread("cs2.jpg")
img1 = cv2.resize(cs1,(500,500))
img2 = cv2.resize(cs2,(500,500))

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

bf = cv2.BFMatcher(crossCheck=True) #计算本图特诊算子与对比图特征算子的距离并返回最小值