python单应矩阵求解

单应矩阵是指在计算机视觉中用于图像处理的一种变换矩阵。在Python中，我们可以使用OpenCV库来计算单应矩阵。

首先，我们需要导入OpenCV库：

import cv2
import numpy as np

然后，我们可以读取两张图片并提取特征点：

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

# 使用SIFT算法提取特征点
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(img1,None)
kp2, des2 = sift.detectAndCompute(img2,None)

接下来，我们可以使用FLANN算法来匹配两张图片的特征点：

# 创建FLANN匹配器
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)

# 在两张图片的特征点中进行匹配
matches = flann.knnMatch(des1,des2,k=2)

然后，我们需要筛选出匹配点对：

good_matches = []
for m,n in matches:
    if m.distance < 0.7*n.distance:
        good_matches.append(m)

# 获取匹配点对的坐标
pts1 = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1,1,2)
pts2 = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1,1,2)

最后，我们可以使用cv2.findHomography()函数来计算单应矩阵：

# 计算单应矩阵
H, mask = cv2.findHomography(pts1, pts2, cv2.RANSAC,5.0)

# 输出单应矩阵
print(H)

这样，我们就可以得到两张图片之间的单应矩阵了。