单应性对象查找

import cv2 
import numpy as np
import matplotlib.pyplot as plt
img1=cv2.imread('C:/Users/xpp/Desktop/Lena.png',cv2.IMREAD_GRAYSCALE)      #打开灰度图像
img2=cv2.imread('C:/Users/xpp/Desktop/Lenas.png',cv2.IMREAD_GRAYSCALE)      #打开灰度图像
orb=cv2.ORB_create()#创建ORB检测器
kp1,des1=orb.detectAndCompute(img1,None)#检测关键点和计算描述符
kp2,des2=orb.detectAndCompute(img2,None)#检测关键点和计算描述符
bf=cv2.BFMatcher_create(cv2.NORM_HAMMING,crossCheck=True)#创建匹配器
ms=bf.match(des1,des2)#执行特征匹配
ms=sorted(ms,key=lambda x:x.distance)#按距离排序
matchesMask=None
if len(ms)>100:
    #计算查询图像匹配结果的坐标
    querypts=np.float32([ kp1[m.queryIdx].pt for m in ms]).reshape(-1,1,2)
    #计算训练图像匹配结果的坐标
    trainpts=np.float32([ kp2[m.trainIdx].pt for m in ms]).reshape(-1,1,2)
    #查找查询图像和训练图像的透视转换
    retv, mask=cv2.findHomography(querypts,trainpts,cv2.RANSAC)
    #计算最佳匹配结果的掩模，用于绘制匹配结果
    matchesMask=mask.ravel().tolist()
    h,w=img1.shape
    pts=np.float32([[0,0],[0,h-1],[w-1,h-1],[w-1,0]]).reshape(-1,1,2)
    #执行向量的透视矩阵转换，获得查询图像在训练图像中的位置
    dst=cv2.perspectiveTransform(pts,retv)
    #用白色矩形框在训练图像中绘制查询图像的范围
    img2=cv2.polylines(img2,[np.int32(dst)],True,(255,255,255),5)
result=cv2.drawMatches(img1,kp1,img2,kp2,ms,None,matchColor=(0,255,0),singlePointColor = None,matchesMask=matchesMask,flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
plt.imshow(result)
plt.axis('off')
plt.show()