使用python实现基于ORB特征提取的图像拼接的代码示例

以下是使用Python实现基于ORB特征提取的图像拼接的代码示例：

import cv2
import numpy as np

# 读入待拼接的两张图像
img1 = cv2.imread('img1.jpg')
img2 = cv2.imread('img2.jpg')

# 将图像转为灰度图
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 使用ORB特征提取器提取关键点和描述子
orb = cv2.ORB_create()
kp1, des1 = orb.detectAndCompute(gray1, None)
kp2, des2 = orb.detectAndCompute(gray2, None)

# 进行ORB特征点匹配
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)

# 剔除错误匹配点
good_matches = []
for m in matches:
    if m.distance < 0.75 * max([m.distance for m in matches]):
        good_matches.append(m)
src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)
M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

# 变换待拼接图像
img1_transformed = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0]))

# 将变换后的图像与原图进行拼接
img_panorama = cv2.addWeighted(img1_transformed, 0.5, img2, 0.5, 0)

# 显示结果
cv2.imshow('Panorama', img_panorama)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，在进行ORB特征提取和匹配时，需要调整一些参数，如特征点数量、匹配阈值等，以达到最佳的拼接效果。另外，变换矩阵的计算可以使用`findHomography`函数或`estimateAffine2D`函数，具体选择取决于实际应用中的需要。