相位相关性算法（Phase Correlation）实现图像对齐的示例，可以给一个完整代码吗？

以下是一个基于Python的相位相关性算法实现图像对齐的示例代码：

import cv2
import numpy as np

# 读取两个待对齐的图像
img1 = cv2.imread('img1.jpg', 0)
img2 = cv2.imread('img2.jpg', 0)

# 计算傅里叶变换
f1 = np.fft.fft2(img1)
f2 = np.fft.fft2(img2)

# 计算傅里叶频谱的共轭
f1_conj = np.conj(f1)

# 计算相位相关性
R = f2 * f1_conj / np.abs(f2 * f1_conj)
r = np.fft.ifft2(R)

# 取得相位相关性的峰值位置
y, x = np.unravel_index(np.argmax(r), r.shape)

# 计算偏移量
dy = y - img1.shape[0] // 2
dx = x - img1.shape[1] // 2

# 对第二幅图像进行平移
M = np.float32([[1, 0, dx], [0, 1, dy]])
result = cv2.warpAffine(img2, M, (img2.shape[1], img2.shape[0]), flags=cv2.INTER_LINEAR + cv2.WARP_INVERSE_MAP)

# 显示对齐后的图像
cv2.imshow('Aligned Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，算法的核心在于计算相位相关性矩阵R，通过找到R矩阵中的峰值位置来确定两幅图像的偏移量。最后，使用OpenCV中的warpAffine函数对第二幅图像进行平移，得到对齐后的图像。