Python基于sift特征的图像配准融合 sift python

文章目录

• 1.Harris和Shi-Tomasi特征检测
• 2.SIFT(Scale-Invariant Feature Transform)关键点检测
• 3.SIFT使用过程

• （1）创建SIFT对象
• （2）进行检测，（关键点）KP=sift.detect(img,……)
• （3）绘制关键点，drawKeypoints(gray,KP,img)

• 4.代码实战
• 5.特征匹配

• （1）方式一：关键点匹配
• （2）方式二：关键点匹配

1.Harris和Shi-Tomasi特征检测

---

2.SIFT(Scale-Invariant Feature Transform)关键点检测

思考：既然有了Harris角点检测，为什么还要SIFT关键点检测呢？
（1）Harris角点具有旋转不变性的特性；但是缩放后，原来的角点有可能不一定为角点了；

可以看到当第一幅图的角点放大之后，就变成了第二幅图的样子，但是再去检测的时候已经不能检测出是角点了，而是边沿了。所以提出了SIFT。

---

3.SIFT使用过程

（1）创建SIFT对象

（2）进行检测，（关键点）KP=sift.detect(img,……)

（3）绘制关键点，drawKeypoints(gray,KP,img)

其中gray——原始图像，可以使三通道或单通道图像；KP——关键点；img——将点绘制到原始图像上；color——绘制的特征点的颜色信息，默认绘制的是随机彩色；
Flags——
（1）cv2.DRAW_MATCHES_FLAGS_DEFAULT：创建输出图像矩阵，使用现存的输出图像绘制匹配对和特征点，对每一个关键点只绘制中间点
（2）cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG：不创建输出图像矩阵，而是在输出图像上绘制匹配对
（3）cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：对每一个特征点绘制带大小和方向的关键点图形
（4）cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS：单点的特征点不被绘制

---

4.代码实战

import os
import cv2
import cv2

img=cv2.imread('images/HaLiSi.jpg')
img=cv2.resize(src=img,dsize=(450,450))
gray=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2GRAY)
#SIFT对象创建
sift=cv2.SIFT_create()
#进行检测,其中第二个参数为None，表示对整张图进行检测
kp=sift.detect(gray,None)
#绘制角点
cv2.drawKeypoints(image=gray,keypoints=kp,outImage=img,color=(0,255,0))

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

if __name__ == '__main__':
    print('pycharm')

---

5.特征匹配

（1）关键点：位置，大小和方向；
计算SIFT描述子：
（2）记录了关键点周围对其贡献的像素点的一组向量值，其不受仿射变换，光照变换等的影响。

（1）方式一：关键点匹配

关键点匹配：
#方式一：进行特征匹配
kp,des=sift.compute(img,kp)
import os
import cv2
import numpy as np

img=cv2.imread('images/HaLiSi.jpg')
img=cv2.resize(src=img,dsize=(450,450))
gray=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2GRAY)
#SIFT对象创建
sift=cv2.SIFT_create()
#进行检测,其中第二个参数为None，表示对整张图进行检测
kp=sift.detect(gray,None)
#进行特征匹配
kp,des=sift.compute(gray,kp)
print(des)
# kp,des=sift.detectAndCompute(gray)
#绘制角点
cv2.drawKeypoints(image=gray,keypoints=kp,outImage=img,color=(0,255,0))

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

if __name__ == '__main__':
    print('Pycharm')

（2）方式二：关键点匹配

同时进行关键点检测和特征匹配
Kp,des=sift.detectAndCompute(img,None）
Img:输入的图像（灰度图）；
Mask：指定img中哪个区域进行计算。