python实现基于SIFT算法的图像配准（仿射变换）

最新推荐文章于 2026-05-04 10:44:30 发布

原创

最新推荐文章于 2026-05-04 10:44:30 发布 · 1.9w 阅读

209

标签

#SIFT #图像配准 #仿射变换

收录于

本文介绍了一个使用Python实现的基于SIFT算法的图像配准过程，利用仿射变换将一幅图像调整到与另一幅图像匹配。代码适用于Windows和macOS系统，通过读取两幅图像，输出配准后的结果。文中提到，理解单应性矩阵、KNN和RANSAC算法对于深入理解该程序至关重要。同时，提供了显示关键点配对结果的方法，并提醒读者部分代码来源于网络，用于学习交流。

话不多说，直接上代码，可以用的话别忘了请喝可乐！（手动笑哭脸）

【用法】

第45、46行的输入：

img1 = cv2.imread('sift/3.jpg')

img2 = cv2.imread('sift/4.jpg')

分别是两幅图像，改成你打算要配准的两幅图像即可（修改图像路径）。

python的跨平台特性好，windows和macOS系统都可用。输出：三幅图像。窗口1、窗口2是你输入的两幅图像，Result窗口展示的是本算法结果，即把img2移动变换到与img1匹配时的样子。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Apr 23 16:37:02 2019
SIFT
@author: youxinlin
"""

import numpy as np
import cv2

def sift_kp(image):
    gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    sift = cv2.xfeatures2d_SIFT.create()
    kp,des = sift.detectAndCompute(image,None)
    kp_image = cv2.drawKeypoints(gray_image,kp,None)
    return kp_image,kp,des

def get_good_match(des1,des2):
    bf = cv2.BFMatcher()
    matches = bf.knnM