python图像配准代码

以下是一个简单的Python图像配准代码，使用OpenCV库实现：

import cv2

# 读取两幅图像
img1 = cv2.imread('image1.png')
img2 = cv2.imread('image2.png')

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

# 检测关键点和计算特征描述符
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(gray1, None)
kp2, des2 = sift.detectAndCompute(gray2, None)

# 匹配特征点
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1, des2, k=2)

# 筛选出最佳匹配
good_matches = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good_matches.append(m)

# 获取匹配点的坐标
src_pts = [kp1[m.queryIdx].pt for m in good_matches]
dst_pts = [kp2[m.trainIdx].pt for m in good_matches]

# 计算变换矩阵
M, mask = cv2.findHomography(np.array(src_pts), np.array(dst_pts), cv2.RANSAC, 5.0)

# 对图像进行配准
aligned_img = cv2.warpPerspective(img1, M, (img2.shape[1], img2.shape[0]))

# 显示结果
cv2.imshow('Original Image 1', img1)
cv2.imshow('Original Image 2', img2)
cv2.imshow('Aligned Image 1', aligned_img)
cv2.waitKey(0)

该代码使用SIFT算法检测关键点，计算特征描述符，并使用Brute-Force Matcher进行特征点匹配。然后，使用RANSAC算法计算变换矩阵，并使用该矩阵对图像进行配准。最后，将结果显示在窗口中。你需要自己替换掉`image1.png`和`image2.png`，并使用你自己的图像进行测试。