SIFT图像匹配及其python实现

原创

已于 2022-05-27 21:45:42 修改 · 2.3k 阅读

标签

#python

收录于

于 2022-03-29 17:34:47 首次发布

本文通过Python和OpenCV实现SIFT算法，详细介绍了如何提取图像特征点并生成描述符，展示了特征点匹配的过程及结果。此外，还探讨了基于FLANN的匹配方法。

参考SIFT图像匹配及其python实现 - 知乎

特征点提取&生成描述

import cv2
import time

#  计算特征点提取&生成描述时间
start = time.time()
sift = cv2.xfeatures2d.SIFT_create()
#  使用SIFT查找关键点key points和描述符descriptors
kp1, des1 = sift.detectAndCompute(image1, None)
kp2, des2 = sift.detectAndCompute(image2, None)
end = time.time()
print("特征点提取&生成描述运行时间:%.2f秒"%(end-start))

kp_image1 = cv2.drawKeypoints(image1, kp1, None)
kp_image2 = cv2.drawKeypoints(image2, kp2, None)

plt.figure()
plt.imshow(kp_image1)
plt.savefig('kp_image1.png', dpi = 300)

plt.figure()
plt.imshow(kp_image2)
plt.savefig('kp_image2.png', dpi = 300)

#  查看关键点
print("关键点数目:", len(kp1))

for i in range(2):
    print("关键点", i)
    print("数据类型:", type(kp1[i]))
    print("关键点坐标:", kp1[i].pt)
    print("邻域直径:", kp1[i].size)
    print("方向:", kp1[i].angle)
    print("所在的图像金字塔的组:", kp1[i].oc