基于OpenCV的Sift特征匹配（在drawMatchesKnn函数无法调用的情况下）

本实验基于opencv内置sift算子来对相似图像进行特征匹配。而在图像匹配显示中，由于莫名原因 “drawMatchesKnn” 函数无法直接调用。于是后面的图像显示部分是根据自己理解实现的。而在这个过程中也对匹配器中的匹配器对象（DMatch）多了一些了解。

DMatch对象具有下列属性：DMatch.distance 描述符之间的距离；DMatch.queryIdx 主影像的描述符索引；DMatch.trainIdx 第二影像的描述符索引；DMatch.imgIdx 目标影像的索引，也就是当有多个辅影像时的编号。而kp1和kp2是主影像和辅影像的关键点列表，存储了关键点的坐标信息（pt）。了解了这一层关系，我们就可以顺利地索引到关键点点坐标，从而画出特征匹配的情况。此外，我们还需要将原来分开的两张影像进行拼接处理，以便显示，在本代码中，拼接方法通过自定义函数“appendimages”实现。下面贴出完整代码。

import cv2from pylab import *img1=cv2.imread('ukbench00641.jpg',0)img2=cv2.imread('ukbench00642.jpg',0)m_h,n_l=img1.shapesift=cv2.SIFT()kp1,des1=sift.detectAndCompute(img1,None)kp2,des2=sift.detectAndCompute(img2,None)bf=cv2.BFMatcher()matches=bf.knnMatch(des1,des2,k=2)good=[]for m,n in matches:    if m.distance<0.75*n.distance:        good.append([m])def appendimages(I,I1):    rows=I.shape[0]    rows_1=I1.shape[0]    if rows<rows_1:        I=concatenate((I,zeros((rows_1-rows,I.shape(1)))),axis=0)    elif rows>rows_1:        I1=concatenate((I1,zeros((rows-rows_1,I1.shape(0)))),axis=0)    return concatenate((I,I1),axis=1)I_12=appendimages(img1,img2)c_coord1=[]c_coord2=[]c_coord1_1=[]c_coord2_1=[]#for i in range(len(good)):for i in range(40):    c_coord1.append(kp1[good[i][0].queryIdx].pt[0])    c_coord2.append(kp1[good[i][0].queryIdx].pt[1])    c_coord1_1.append(kp2[good[i][0].trainIdx].pt[0])    c_coord2_1.append(kp2[good[i][0].trainIdx].pt[1])c_coord1_1_1=[k+n_l for k in c_coord1_1]imshow(I_12,cmap='gray')plot(c_coord1,c_coord2,'r*')plot(c_coord1_1_1,c_coord2_1,'bo')X=[c_coord1[:],c_coord1_1_1[:]]Y=[c_coord2[:],c_coord2_1[:]]plot(X,Y)show()

下面是结果展示，可以看到sift算子较harris算子来看，虽然也存在错误匹配点，但是效果明显好很多。