用sift使用Python完成特征匹配并缩小最后生成的特征匹配图

使用 Python 实现 SIFT 特征匹配并缩小最终生成的特征匹配图可以遵循以下步骤：

1. 导入必要的库

import cv2
import numpy as np
from matplotlib import pyplot as plt

2. 读取图像

img1 = cv2.imread('image1.jpg', 0)
img2 = cv2.imread('image2.jpg', 0)

3. 初始化 SIFT 检测器

sift = cv2.xfeatures2d.SIFT_create()

4. 检测关键点和描述符

kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

5. 匹配特征点

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

6. 应用 Lowe's 比率测试，保留最佳匹配

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

7. 绘制匹配图

img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good, None, flags=2)

8. 缩小匹配图

scale_percent = 50  # 缩小比例
width = int(img3.shape[1] * scale_percent / 100)
height = int(img3.shape[0] * scale_percent / 100)
dim = (width, height)
resized = cv2.resize(img3, dim, interpolation=cv2.INTER_AREA)

9. 显示并保存匹配图

plt.imshow(resized), plt.show()
cv2.imwrite('match.jpg', resized)