3. RANSAC筛选和仿射变换实现图像间的坐标对齐的代码

以下是使用 RANSAC 筛选和仿射变换实现图像间坐标对齐的 Python 代码示例：

import cv2
import numpy as np

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

# 将图像转换为灰度图像
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

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

# 检测关键点和计算描述符
kp1, des1 = sift.detectAndCompute(gray1, None)
kp2, des2 = sift.detectAndCompute(gray2, None)

# 初始化暴力匹配器
bf = cv2.BFMatcher()

# 匹配两幅图像的描述符
matches = bf.knnMatch(des1, des2, k=2)

# 进行RANSAC筛选
good_matches = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good_matches.append(m)

src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)

# 计算仿射变换矩阵
M, mask = cv2.estimateAffine2D(src_pts, dst_pts, method=cv2.RANSAC)

# 将第一幅图像进行仿射变换
rows, cols = gray1.shape
aligned = cv2.warpAffine(img1, M, (cols, rows))

# 拼接两幅图像
result = np.zeros((max(rows, rows), cols + cols, 3), dtype=np.uint8)
result[:rows, :cols, :] = img2
result[:rows, cols:cols + cols, :] = aligned

# 显示结果
cv2.imshow('Aligned Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，首先读取两幅待匹配的图像并将其转换为灰度图像，然后使用 SIFT 检测器检测关键点并计算描述符。接下来，使用暴力匹配器 `cv2.BFMatcher()` 对两幅图像的描述符进行匹配，并进行 RANSAC 筛选，得到匹配点对。然后，使用 `cv2.estimateAffine2D()` 函数计算仿射变换矩阵。最后，使用 `cv2.warpAffine()` 函数将第一幅图像进行仿射变换，并将两幅图像拼接在一起进行显示。

需要注意的是，`cv2.estimateAffine2D()` 函数可以选择使用 RANSAC 或者最小二乘法进行计算。在代码中，我们选择使用 RANSAC 筛选来提高算法的鲁棒性。