不用显示特征点，只需要显示对应的特征线段

下面是一个只显示对应的特征线段而不显示特征点的示例代码：

import cv2

# 读取图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 初始化 SIFT 特征检测器
sift = cv2.xfeatures2d.SIFT_create()

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

# 初始化暴力匹配器
bf = cv2.BFMatcher()

# 匹配特征点
matches = bf.match(des1, des2)

# 根据距离排序
matches = sorted(matches, key=lambda x: x.distance)

# 取前 10 个匹配的特征点
matches = matches[:10]

# 提取匹配的特征点的坐标
pts1 = []
pts2 = []
for match in matches:
    pts1.append(kp1[match.queryIdx].pt)
    pts2.append(kp2[match.trainIdx].pt)

# 计算基础矩阵
F, mask = cv2.findFundamentalMat(pts1, pts2, cv2.FM_RANSAC)

# 提取内点的特征点坐标
pts1 = [pts1[i] for i in range(len(pts1)) if mask[i] == 1]
pts2 = [pts2[i] for i in range(len(pts2)) if mask[i] == 1]

# 绘制对应的特征线段
lines = cv2.computeCorrespondEpilines(pts2, 2, F)
lines = lines.reshape(-1, 3)
img3 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
img4 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
for line, pt2 in zip(lines, pts2):
    x0, y0 = map(int, [0, -line[2]/line[1]])
    x1, y1 = map(int, [img3.shape[1], -(line[2]+line[0]*img3.shape[1])/line[1]])
    img3 = cv2.line(img3, (x0, y0), (x1, y1), (0, 255, 0), 1)
    img3 = cv2.circle(img3, tuple(map(int, pt2)), 5, (0, 0, 255), -1)
    img4 = cv2.circle(img4, tuple(map(int, pt2)), 5, (0, 0, 255), -1)

# 显示图像
cv2.imshow('Epipolar Lines', cv2.hconcat([img3, img4]))
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，首先使用 `cv2.imread()` 函数读取两张图像，然后使用 `cv2.xfeatures2d.SIFT_create()` 函数初始化 SIFT 特征检测器，然后调用 `detectAndCompute()` 函数检测特征点和特征描述符。

接着，使用 `cv2.BFMatcher()` 函数初始化暴力匹配器，然后调用 `match()` 函数匹配特征点。匹配后，根据距离排序，并取前 10 个匹配的特征点。

然后，计算基础矩阵，并提取内点的特征点坐标。接着，使用 `cv2.computeCorrespondEpilines()` 函数计算对应的特征线段，并在图像上绘制线段和特征点。

最后，使用 `cv2.imshow()` 函数显示图像。