cv2.findfundamentalmat 使用示例

2024年5月30日发(作者：)

ndamentalmat 使用示例

```python

import cv2

import numpy as np

# 读取图像

img1 = ('',0)

img2 = ('',0)

# 初始化SIFT探测器

sift = _create()

# 检测关键点和描述符

kp1, des1 = AndCompute(img1, None)

kp2, des2 = AndCompute(img2, None)

# 匹配关键点

bf = her()

matches = ch(des1, des2, k=2)

# 筛选出好的匹配

good = []

for m, n in matches:

if ce < 0.75 * ce:

(m)

# 获取匹配关键点的坐标

src_pts = 32((kp1[dx].pt for m in good)).reshape(-1,1, 2)

dst_pts = 32((kp2[dx].pt for m in good)).reshape(-1,1, 2)

# 计算基础矩阵

F, mask = ndamentalMat(src_pts, dst_pts, _MAGSAC, 0.15,

0.9999,20000)

# 打印基础矩阵

print("Fundamental matrix:")

print(F)

```

在这个例子中，我们使用SIFT检测器检测关键点和描述符，然后匹配关键点。接下来，

我们使用ndamental Mat()函数计算基础矩阵F，并将它打印出来。