SIFT特征检测算子和sift = cv2.xfeatures2d.SIFT_create出错的解决办法

sift = cv2.xfeatures2d.SIFT_create（）即使安装了contrib也无法正常工作的解决办法

一、安装额外的opencv-contrib-python库，并保持版本一致

首先安装contrib，并检查和opencv-python版本是否一致

pip install opencv-contrib-python
pip list

但是依然报错

sift = cv2.xfeatures2d.SIFT_create()
# 报错信息
AttributeError: module 'cv2.cv2' has no attribute 'xfeatures2d'

二、两个库同时回退版本到3.4.2.16的版本

首先卸载当前版本

 pip uninstall opencv-python
 pip uninstall opencv-contrib-python

然后重新安装

pip install opencv-python==3.4.2.16
pip install opencv-contrib-python==3.4.2.16

如果还是不行，重启一下anaconda，问题解决。

三、测试SIFT算子匹配点的一个案例

核心公式

# 新建一个sift算子
sift = cv2.xfeatures2d.SIFT_create()
# 计算特征点和特征点周围的特征向量
kp1, des1 = sift.detectAndCompute(img1,None)
# 进行KNN特征匹配，k设置为2
matches = cv2.BFMatcher().knnMatch(des1,des2, k=2)
# 进行匹配点筛选，这个地方一直没看懂
for m,n in matches:
    if m.distance < 0.75*n.distance:
        good.append([m])
# 在匹配的点之间进行连线        
imgNew = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=2)        

完整代码

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

print("debug")
# 加载图片
img1 = cv2.imread('images/1.jpg',0)          # queryImage
# img3是和img1一样的照片
img3 = cv2.imread('images/3.jpg',0)
# 对这张照片进行高斯模糊
blurred = cv2.GaussianBlur(img3, (9, 9), 0)
# 再旋转
(height, width) = blurred.shape[:2]
center = (width//2, height//2)
# 定义旋转矩阵，3个参数分别为：旋转中心，旋转角度，缩放比率
M = cv2.getRotationMatrix2D(center, 45, 1.0)
# 正式旋转，这样就得到了和原始图片img1不太一样的照片
rotated = cv2.warpAffine(blurred, M, (width,height))
img2 = rotated

cv2.imshow("original image",img1)
cv2.waitKey(0)
cv2.imshow("after blurred and rotated",img2)
cv2.waitKey(0)

# 初始化SIFT算子，如果不能用，使用pip安装如下版本的库并重启conda
# pip install opencv-python == 3.4.2.16
# pip install opencv-contrib-python == 3.4.2.16
sift = cv2.xfeatures2d.SIFT_create()

# 使用SIFT算子计算特征点和特征点周围的特征向量
kp1, des1 = sift.detectAndCompute(img1,None)
kp2, des2 = sift.detectAndCompute(img2,None)

# BFMatcher中设置knn的k值
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1,des2, k=2)

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

# cv.drawMatchesKnn expects list of lists as matches.
imgNew = cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags=2)
# 保存图片
cv2.imwrite("imgNew.jpg",imgNew)
# 使用plt绘制
plt.imshow(imgNew),plt.show()

cv2.destroyAllWindows()

运行结果

原图：

模糊和旋转之后

进行特征点匹配