OpenCV-Python实现的图片拼接源代码

# coding: utf-8
import numpy as np
import cv2

leftgray = cv2.imread（r‘E:\pyProjects\cv-learning\7.jpg‘）
rightgray = cv2.imread（r‘E:\pyProjects\cv-learning\11.jpg‘）
SIZE=（600480）
leftgray=cv2.resize（leftgraySIZE）
rightgray=cv2.resize（rightgraySIZE）
hmerge = np.hstack（（leftgrayrightgray）） #水平拼接
cv2.imshow（“gray“ hmerge） #拼接显示为gray
cv2.waitKey（0）

hessian = 900
surf = cv2.xfeatures2d.SIFT_create（hessian） # 将Hessian Threshold设置为400阈值越大能检测的特征就越少
kp1 des1 = surf.detectAndCompute（leftgray None）  # 查找关键点和描述符
kp2 des2 = surf.detectAndCompute（rightgray None）

img3 = cv2.drawKeypoints（leftgraykp1leftgraycolor=（2550255）） #画出特征点，并显示为红色圆圈
img4 = cv2.drawKeypoints（rightgraykp2rightgraycolor=（2550255）） #画出特征点，并显示为红色圆圈
hmerge = np.hstack（（img3 img4）） #水平拼接
cv2.imshow（“point“ hmerge） #拼接显示为gray
cv2.waitKey（0）

FLANN_INDEX_KDTREE = 0  # 建立FLANN匹配器的参数
indexParams = dict（algorithm=FLANN_INDEX_KDTREE trees=5）  # 配置索引，密度树的数量为5
searchParams = dict（checks=50）  # 指定递归次数
# FlannbasedMatcher：是目前最快的特征匹配算法（最近邻搜索）
flann = cv2.FlannbasedMatcher（indexParams searchParams）  # 建立匹配器
matches = flann.knnMatch（des1 des2 k=2）  # 得出匹配的关键点


good = []



# 提取优秀的特征点
for m n in matches:
    if m.distance < 0.4* n.distance:  # 如