响应式网站模板费用,装修网十大平台,网页设计与制作教程第四版清华大学出版社,square wordpressBrute-Force蛮力匹配
cv2.BFMatcher(crossCheck True) crossCheck表示两个特征点相互匹配 例如A中的第i个特征点与B中的第j个特征点最近#xff0c;并且B中的第j个特征点到A中的第i个特征点也是 NORM_L2#xff1a;归一化数组的(欧几里得距离)#xff0c;如果其他特征计算…Brute-Force蛮力匹配
cv2.BFMatcher(crossCheck True) crossCheck表示两个特征点相互匹配 例如A中的第i个特征点与B中的第j个特征点最近并且B中的第j个特征点到A中的第i个特征点也是 NORM_L2归一化数组的(欧几里得距离)如果其他特征计算方法需要考虑不同的匹配计算方法
import cv2
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inlinedef show_photo(name,picture):#图像显示函数cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img1 cv2.imread(E:\Jupyter_workspace\study\data/box.png,0)
img2 cv2.imread(E:\Jupyter_workspace\study\data/box_1.png,0)show_photo(img1,img1)
show_photo(img2,img2)sift cv2.xfeatures2d.SIFT_create()
kp1, des1 sift.detectAndCompute(img1,None)#kp1为关键点des1为对应的特征向量
kp2, des2 sift.detectAndCompute(img2,None)
bf cv2.BFMatcher(crossCheck True)#1对1的匹配
matches bf.match(des1,des2)
matches sorted(matches, key lambda x:x.distance)
img3 cv2.drawMatches(img1, kp1, img2, kp2, matches[:10], None, flags2)
show_photo(img3,img3)#k对最佳匹配
bf cv2.BFMatcher()
matches bf.knnMatch(des1,des2,k2)good []
for m,n in matches:if m.distance 0.75 * n.distance:good.append([m])img3 cv2.drawMatchesKnn(img1,kp1,img2,kp2,good,None,flags2)
show_photo(img3,img3)模板 原图 1对1的匹配 k对最佳匹配
如果需要更更快速的完成操作可以尝试使用cv2.FlannBasedMatches
