opencv-python图片对齐

图像对齐是指将多个图像进行位置和方向的调整，使它们在相同的坐标系下对齐，以便于进行后续的处理，例如图像融合、图像拼接等。

在OpenCV中，可以使用图像特征匹配的方法对图像进行对齐，具体步骤如下：

1.读入需要对齐的图像

2.将图像转换为灰度图像

3.使用SIFT或SURF算法提取关键点和特征描述符

4.使用FLANN或BFMatcher算法对关键点进行匹配

5.对匹配点进行筛选，去除错误匹配点

6.根据匹配点计算图像之间的变换矩阵

7.使用变换矩阵对图像进行变换，使其对齐

下面是一个示例代码：

import cv2
import numpy as np

img1 = cv2.imread('img1.jpg')
img2 = cv2.imread('img2.jpg')

gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(gray1, None)
kp2, des2 = sift.detectAndCompute(gray2, None)

bf = cv2.BFMatcher()
matches = bf.knnMatch(des1, des2, k=2)

good = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good.append(m)

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)

M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

aligned_img = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0]))

cv2.imshow('Aligned Image', aligned_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，使用了SIFT算法提取关键点和特征描述符，使用BFMatcher算法对关键点进行匹配，使用findHomography函数计算图像之间的变换矩阵，使用warpPerspective函数对图像进行变换，使其对齐。