两张图像匹配的surf算法python代码

以下是使用OpenCV实现的SURF算法的Python代码，用于对两个图像进行匹配：

import cv2

# 读取两个图像
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()

# 检测关键点和计算描述符
kp1, des1 = surf.detectAndCompute(img1, None)
kp2, des2 = surf.detectAndCompute(img2, None)

# 初始化FLANN匹配器
flann = cv2.FlannBasedMatcher()

# 匹配关键点
matches = flann.knnMatch(des1, des2, k=2)

# 保留好的匹配
good_matches = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good_matches.append(m)

# 绘制匹配结果
img_matches = cv2.drawMatches(img1, kp1, img2, kp2, good_matches, None, flags=2)

# 显示结果
cv2.imshow('Matches', img_matches)
cv2.waitKey(0)
cv2.destroyAllWindows()

在以上代码中，我们首先读取了两个图像，然后初始化了SURF算法。接着，我们使用`detectAndCompute`函数检测关键点和计算描述符。然后，我们初始化FLANN匹配器，并使用`knnMatch`函数进行关键点匹配。最后，我们筛选出好的匹配，并使用`drawMatches`函数绘制匹配结果。