标签:compute def imshow style 机器 sorted lambda 构建 imp
书籍的SIFT特征点连接:
第一步:使用sift.detectAndComputer找出关键点和sift特征向量
第二步:构建BFMatcher()蛮力匹配器,bf.match匹配sift特征向量,使用的是欧式距离
第三步:根据匹配结果matches.distance对matches按照距离进行排序
第四步:进行画图操作,使用cv2.drawMatches进行画图操作
import cv2 import numpy as np #读入图片 imgA = cv2.imread(‘box.png‘, 0) imgB = cv2.imread(‘box_in_scene.png‘, 0) def cv_show(img, name): cv2.imshow(name, img) cv2.waitKey(0) cv2.destroyAllWindows() # 第一步:构造sift,求解出特征点和sift特征向量 sift = cv2.xfeatures2d.SIFT_create() kpsA, dpA = sift.detectAndCompute(imgA, None) kpsB, dpB = sift.detectAndCompute(imgB, None) # 第二步:构造BFMatcher()蛮力匹配,匹配sift特征向量距离最近对应组分 bf = cv2.BFMatcher() # 获得匹配的结果 matches = bf.match(dpA, dpB) #第三步:对匹配的结果按照距离进行排序操作 matches = sorted(matches, key=lambda x: x.distance) # 第四步:使用cv2.drawMacthes进行画图操作 ret = cv2.drawMatches(imgA, kpsA, imgB, kpsB, matches[:10], None, flags=2) cv2.imshow(‘ret‘, ret) cv2.waitKey(0) cv2.destroyAllWindows()
机器学习进阶-案例实战-图像全景拼接-书籍SIFT特征点连接
标签:compute def imshow style 机器 sorted lambda 构建 imp
原文地址:https://www.cnblogs.com/my-love-is-python/p/10422152.html