Python求单应矩阵

在计算机视觉领域中，单应矩阵（Homography Matrix）是一种非常重要的变换矩阵，通常用于图像拼接、图像校正等应用。在Python中，我们可以使用OpenCV库来求解单应矩阵。以下是一个求解单应矩阵的示例代码：

import cv2
import numpy as np

# 读取两张图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 提取特征点
detector = cv2.xfeatures2d.SIFT_create()
keypoints1, descriptors1 = detector.detectAndCompute(img1, None)
keypoints2, descriptors2 = detector.detectAndCompute(img2, None)

# 匹配特征点
matcher = cv2.FlannBasedMatcher({'algorithm': 0, 'trees': 5}, {'checks': 50})
matches = matcher.knnMatch(descriptors1, descriptors2, k=2)

# 筛选匹配点
good_matches = []
for match in matches:
    if len(match) == 2 and match[0].distance < 0.7 * match[1].distance:
        good_matches.append(match[0])

# 提取匹配点的坐标
points1 = np.float32([keypoints1[match.queryIdx].pt for match in good_matches]).reshape(-1, 1, 2)
points2 = np.float32([keypoints2[match.trainIdx].pt for match in good_matches]).reshape(-1, 1, 2)

# 求解单应矩阵
H, _ = cv2.findHomography(points1, points2, cv2.RANSAC, 5.0)

print('Homography Matrix:\n', H)

在上述代码中，我们首先使用SIFT算法提取两张图片的特征点，然后使用FLANN算法进行特征点匹配。接着，我们筛选出好的匹配点，并提取它们的坐标。最后，使用`cv2.findHomography()`函数求解单应矩阵，并输出结果。