匈牙利算法做图像匹配

匈牙利算法是一种经典的最优匹配算法，可以用于解决图像匹配问题。它可以在两个集合之间找到最佳的匹配，特别适用于二分图匹配问题。

下面是使用匈牙利算法进行图像匹配的示例代码：

import numpy as np
from scipy.optimize import linear_sum_assignment

# 定义两个集合的特征向量
features1 = np.array([[1, 2], [3, 4], [5, 6]])
features2 = np.array([[1, 2], [4, 3], [6, 5]])

# 计算两个特征向量之间的距离矩阵
dist_matrix = np.linalg.norm(features1[:, np.newaxis] - features2, axis=2)

# 使用匈牙利算法进行最优匹配
row_ind, col_ind = linear_sum_assignment(dist_matrix)

# 输出最佳匹配结果
for i in range(len(row_ind)):
    print("Feature", i, "in features1 matches with feature", col_ind[i], "in features2")

这段代码首先定义了两个集合的特征向量features1和features2，然后计算了两个特征向量之间的距离矩阵dist_matrix。接下来，使用匈牙利算法的linear_sum_assignment函数找到了最佳匹配的行索引row_ind和列索引col_ind。最后，通过遍历row_ind和col_ind，输出了最佳匹配的结果。