【嵌入式应用11】SIFT原理与应用初探

SIFT原理与应用初探:

1.验证旋转不变性

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

使用cv2.xfeatures2d.SIFT_create()实例化SIFT函数,并且设置FLANN参数设计

sift = cv2.xfeatures2d.SIFT_create()
# FLANN 参数设计
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params,search_params)

插入图片1，并且进行灰度化处理，使用sift.detect(gray, None)生成关键点，使用sift.compute(kp) 求得关键点对应的特征向量

img1 = cv2.imread('test1.jpg')
#使用cv2.imread()接口读图像，读进来的是BGR格式以及[0～255]。所以要将img转换为RGB格式，不然后面显示会有色差
img1 = cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) #灰度处理图像
kp1, des1 = sift.detectAndCompute(img1,None)#des是描述符
print (des1.shape) #描述符数组维度 
print(len(kp1))   #关键点个数

(848, 128)
848

插入图片2，并且进行灰度化处理，使用sift.detect(gray, None)生成关键点，使用sift.compute(kp) 求得关键点对应的特征向量

img2 = cv2.imread('test2.jpg')
#使用cv2.imread()接口读图像，读进来的是BGR格式以及[0～255]。所以要将img转换为RGB格式，不然后面显示会有色差
img2 = cv2.cvtColor(img2,cv2.COLOR_BGR2RGB)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
kp2, des2 = sift.detectAndCompute(img2,None)
print (des2.shape) #描述符数组维度 
print(len(kp2))   #关键点个数

(1003, 128)
1003

水平拼接，显示原图

print(img1.shape)
print(img2.shape)
hmerge = np.hstack((img1, img2)) #水平拼接
plt.figure(num=1,figsize=(16,16))
plt.imshow(hmerge)
plt.title('original')
plt.axis('off')
plt.show()

(854, 683, 3)
(854, 683, 3)

将图片水平拼接并显示

hmerge = np.hstack((gray1, gray2)) #水平拼接
plt.figure(num=1,figsize=(16,16))
plt.imshow(hmerge,cmap='gray')
plt.title('gray')
plt.axis('off')
plt.show()

使用cv2.drawKeypoints（）进行画图操作，在图中画出关键点。

img3 = cv2.drawKeypoints(img1,kp1,img1,color=(255,0,255))
img4 = cv2.drawKeypoints(img2,kp2,img2,color=(255,0,255))

水平拼接并显示

hmerge = np.hstack((img3, img4)) #水平拼接
plt.figure(num=1,figsize=(16,16))
plt.imshow(hmerge)
plt.title('keypoint')
plt.axis('off')
plt.show()

flann.knnMatch解决匹配并调整ratio

matches = flann.knnMatch(des1,des2,k=2)
matchesMask = [[0,