SURF算法匹配两幅图像并给出对应特征点坐标的代码

以下是使用SURF算法匹配两幅图像并给出对应特征点坐标的Python代码：

import cv2

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

# 初始化SURF算法
surf = cv2.xfeatures2d.SURF_create()

# 检测特征点和描述符
kp1, des1 = surf.detectAndCompute(img1, None)
kp2, des2 = surf.detectAndCompute(img2, None)

# 匹配特征点
bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)
matches = bf.match(des1, des2)

# 绘制匹配结果
img3 = cv2.drawMatches(img1, kp1, img2, kp2, matches[:10], None, flags=2)

# 输出对应特征点坐标
for match in matches[:10]:
    print("Image1: ({}, {})   Image2: ({}, {})".format(
        int(kp1[match.queryIdx].pt[0]), int(kp1[match.queryIdx].pt[1]),
        int(kp2[match.trainIdx].pt[0]), int(kp2[match.trainIdx].pt[1])
    ))

# 显示结果图像
cv2.imshow('Matches', img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先读取了两张图像，然后使用SURF算法检测出每张图像中的特征点和描述符。接着，使用BFMatcher算法对两组描述符进行匹配，得到匹配结果。最后，我们可以绘制出匹配结果图像，并输出对应特征点的坐标。