不同图像对的基础矩阵

大俊熊的橡子包

于 2019-04-17 22:47:23 发布

阅读量274

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_41671751/article/details/89366913

本文通过代码展示了如何在不同的图像对中求取基础矩阵，并详细说明了SIFT特征匹配的过程，包括室外和室内图像对的匹配结果及三维位置恢复。经过特征匹配结果的修正，提高了匹配精度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码实现SFM的特征提取与匹配
先求两张图的基础矩阵
代码如下：

#!/usr/bin/env python
# coding: utf-8

# In[1]:
from PIL import Image
from numpy import *
from pylab import *
import numpy as np
from imp import reload



# In[2]:
import importlib
from PCV.geometry import camera
from PCV.geometry import homography
from PCV.geometry import sfm
from PCV.localdescriptors import sift

camera = importlib.reload(camera)
homography = importlib.reload(homography)
sfm = importlib.reload(sfm)
sift =importlib.reload(sift)


# In[3]:


# Read features
im1 = array(Image.open('image5/1.jpg'))
sift.process_image('image5/1.jpg', 'im1.sift')
l1, d1 = sift.read_features_from_file('im1.sift')

im2 = array(Image.open('image5/2.jpg'))
sift.process_image('image5/2.jpg', 'im2.sift')
l2, d2 = sift.read_features_from_file('im2.sift')


# In[9]:


matches = sift.match_twosided(d1, d2)


# In[10]:


ndx = matches.nonzero()[0]
x1 = homography.make_homog(l1[ndx, :2].T)
ndx2 = [int(matches[i]) for i in ndx]
x2 = homograph