SURF算法图像配准代码

SURF（Speeded Up Robust Features）算法是一种图像特征提取和匹配算法，它是SIFT算法的改进版本。相对于SIFT，SURF算法更加快速，且对于图像的旋转和缩放更加鲁棒。下面是一个简单的SURF算法图像配准代码：

import cv2
import numpy as np

def surf_align(img1, img2):
    # 创建SURF对象并检测关键点和描述符
    surf = cv2.xfeatures2d.SURF_create()
    kp1, des1 = surf.detectAndCompute(img1, None)
    kp2, des2 = surf.detectAndCompute(img2, None)

    # 匹配关键点
    bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)
    matches = bf.match(des1, des2)

    # 筛选出最佳匹配关键点并进行配准
    matches = sorted(matches, key=lambda x: x.distance)
    src_pts = np.float32([kp1[m.queryIdx].pt for m in matches]).reshape(-1, 1, 2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in matches]).reshape(-1, 1, 2)
    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
    h, w = img1.shape
    aligned_img = cv2.warpPerspective(img2, M, (w, h))

    return aligned_img

此代码首先使用SURF算法检测出两张图片的关键点和描述符，然后使用暴力匹配（Brute-Force）算法进行关键点匹配。在这里，我们筛选出最佳匹配关键点，并使用RANSAC算法进行配准，最终返回一张配准后的图像。