pythonopencv利用ransac去除误匹配点

在使用OpenCV进行图像处理时，我们可以使用RANSAC算法去除误匹配点。RANSAC是一种基于随机采样的局部优化算法，可以解决数据中存在噪声或者异常值时的问题。

以下是一个简单的RANSAC去除误匹配点的示例代码：

import numpy as np
import cv2

def ransacFilter(matches, keypoints1, keypoints2, threshold):
    src_pts = np.float32([ keypoints1[m.queryIdx].pt for m in matches ]).reshape(-1,2)
    dst_pts = np.float32([ keypoints2[m.trainIdx].pt for m in matches ]).reshape(-1,2)

    # 使用RANSAC算法去除误匹配点
    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, threshold)

    # 返回去除误匹配点后的匹配结果
    good_matches = []
    for i in range(len(matches)):
        if mask[i][0] == 1:
            good_matches.append(matches[i])
    return good_matches

# 示例代码中，matches为初始匹配结果，keypoints1和keypoints2分别为两幅图像的特征点，threshold为阈值

在使用RANSAC算法时，需要先将初始匹配结果中的特征点坐标提取出来，并调用cv2.findHomography函数计算出变换矩阵M和匹配点的掩膜mask。通过掩膜mask可以得到去除误匹配点后的匹配结果。