python利用surf进行图像配准的代码

下面是Python利用SURF进行图像配准的代码，使用OpenCV库实现：

import cv2

# 读取待配准的两幅图像
img1 = cv2.imread('img1.png')
img2 = cv2.imread('img2.png')

# 创建SURF对象
surf = cv2.xfeatures2d.SURF_create()

# 检测并计算图像中的关键点和描述子
kp1, des1 = surf.detectAndCompute(img1,None)
kp2, des2 = surf.detectAndCompute(img2,None)

# 创建FLANN匹配器
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)

# 匹配关键点，得到匹配结果
matches = flann.knnMatch(des1, des2, k=2)

# 过滤匹配点，选取优秀的匹配点
good = []
for m,n in matches:
    if m.distance < 0.7*n.distance:
        good.append(m)

# 获取匹配点的坐标
src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2)
dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2)

# 利用匹配点进行图像配准
M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0)

# 生成配准后的图像
result = cv2.warpPerspective(img1, M, (img2.shape[1],img2.shape[0]))

# 显示配准前后的图像
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，我们首先读取待配准的两幅图像，并创建SURF对象。然后使用SURF算法检测并计算图像中的关键点和描述子。接着，创建FLANN匹配器，并使用knnMatch()方法进行特征点的匹配。根据匹配点的距离进行过滤，选取优秀的匹配点。利用匹配点进行图像配准，生成配准后的图像。最后，利用OpenCV库的imshow()方法显示配准前后的图像。