opencv打开usb摄像头 实时检测特征匹配结果 Python 代码

在Python中，你可以使用OpenCV库来处理USB摄像头并实时检测特征匹配。以下是一个简单的步骤示例：

首先，确保你已经安装了`opencv-python`库。如果没有，可以使用pip安装：

pip install opencv-python opencv-python-headless

然后，编写Python代码：

import cv2
import numpy as np

# 初始化摄像头
cap = cv2.VideoCapture(0)  # 使用默认的USB摄像头，如果你有多个摄像头，可以改为1、2等

# 加载预设的SIFT/SURF特征检测器和匹配器
sift = cv2.xfeatures2d.SIFT_create()  # SIFT (Scale-Invariant Feature Transform)
bf = cv2.BFMatcher()  # Brute Force Matcher

while True:
    # 读取一帧
    ret, frame = cap.read()
    
    if not ret:  # 检查是否成功读取到帧
        break
    
    # 转换为灰度图像以便于特征检测
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测关键点和描述符
    kp1, des1 = sift.detectAndCompute(gray, None)

    # 如果上一次帧存在，则找到特征匹配
    if 'kp2' in locals() and 'des2' in locals():
        kp2, des2 = sift.detectAndCompute(gray, None)  # 当前帧的关键点和描述符
        matches = bf.knnMatch(des1, des2, k=2)  # 找到最近邻匹配

        good_matches = []  # 存储高质量的匹配
        for m, n in matches:
            if m.distance < 0.7 * n.distance:  # 马氏距离阈值（通常小于0.7）
                good_matches.append([m])

    else:
        kp2, des2 = [], []  # 第一次运行或之前帧丢失时初始化

    # 显示匹配结果（如果有的话）
    if len(good_matches) > 0:
        img3 = cv2.drawMatchesKnn(frame, kp1, frame, kp2, good_matches, None, flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
        cv2.imshow('Feature Matching', img3)

    # 按 'q' 键退出
    key = cv2.waitKey(1)
    if key == ord('q'):
        break

# 关闭摄像头释放资源
cap.release()
cv2.destroyAllWindows()

这个代码会启动摄像头，实时检测并匹配特征，然后在窗口显示匹配结果。当你按下'q'键时，程序会停止。