cv2.findHomography是否用到RANSAC算法

是的，cv2.findHomography函数在进行图像配准时使用了RANSAC算法。该函数可以用于计算两个图像之间的透视变换矩阵，以便将一个图像中的点映射到另一个图像中。在计算透视变换矩阵时，由于存在噪声和异常值，因此需要使用RANSAC算法来剔除这些异常值，以获得更准确的结果。

以下是使用cv2.findHomography函数进行图像配准的示例代码：

import cv2
import numpy as np

# 读取两张图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 提取特征点
orb = cv2.ORB_create()
kp1, des1 = orb.detectAndCompute(img1, None)
kp2, des2 = orb.detectAndCompute(img2, None)

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

# 选取最佳匹配点
matches = sorted(matches, key=lambda x: x.distance)
good_matches = matches[:10]

# 获取匹配点的坐标
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)

# 计算透视变换矩阵
M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

# 将图像1变换到图像2的视角
h, w = img1.shape[:2]
img1_warped = cv2.warpPerspective(img1, M, (w, h))

# 将两张图像拼接在一起
result = np.zeros((h, w * 2, 3), dtype=np.uint8)
result[:, :w, :] = img2
result[:, w:, :] = img1_warped

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