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,