Python の Scipy パッケージの SIFT メソッドを使用した画像認識の例の詳細な紹介

scipy

scipy パッケージには、科学計算における一般的な問題に特化したさまざまなツールボックスが含まれています。そのさまざまなサブモジュールはさまざまなアプリケーションに対応します。補間、統合、最適化、画像処理、特殊機能など。
scipy は、GSL (GNU C または C++ Scientific Computing Library) や Matlab ツールボックスなどの他の標準科学計算ライブラリと比較できます。 scipy は、Python の科学計算プログラムのコア パッケージです。これは、numpy 行列を効率的に計算するために使用され、numpy と scipy が連携できるようにします。
プログラムを実装する前に、必要なデータ処理メソッドがすでにscipyに存在するかどうかを確認する価値があります。プロではないプログラマである科学者は、常に車輪の再発明を好みます。その結果、コードはバグだらけで、最適化されておらず、共有や保守が困難になります。対照的に、Scipy プログラムは最適化およびテストされているため、可能な限り使用する必要があります。
scipy は特定の機能を持ついくつかのサブモジュールで構成されています。それらはすべて numpy に依存しますが、それぞれは基本的に互いに独立しています。
Debian Linux でのインストールの例を示します (ただし、私は Windows では -- を使用しています):

コードをコピーします コードは次のとおりです:

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas 
python-sympy python-nose

Numpy とこれらの scipy モジュールをインポートする標準的な方法は次のとおりです:

import numpy as np
from scipy import stats # 其它子模块相同

マスター scipy 名前空間には、ほとんどの場合、実際の numpy 関数が含まれています (scipy.cos または np.cos を試してください)。これらは単に歴史的な理由によるものであり、通常、コード内で import scipy を使用する理由はありません。

ロゴ検出に画像マッチング SIFT アルゴリズムを使用します
まず、レンダリング:

ここで、 はロゴ、

コードは次のとおりです。

#coding=utf-8 
import cv2 
import scipy as sp 
 
img1 = cv2.imread('x1.jpg',0) # queryImage 
img2 = cv2.imread('x2.jpg',0) # trainImage 
 
# Initiate SIFT detector 
sift = cv2.SIFT() 
 
# find the keypoints and descriptors with SIFT 
kp1, des1 = sift.detectAndCompute(img1,None) 
kp2, des2 = sift.detectAndCompute(img2,None) 
 
# FLANN parameters 
FLANN_INDEX_KDTREE = 0 
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5) 
search_params = dict(checks=50)  # or pass empty dictionary 
flann = cv2.FlannBasedMatcher(index_params,search_params) 
matches = flann.knnMatch(des1,des2,k=2) 
 
print 'matches...',len(matches) 
# Apply ratio test 
good = [] 
for m,n in matches: 
  if m.distance < 0.75*n.distance: 
    good.append(m) 
print &#39;good&#39;,len(good) 
# ##################################### 
# visualization 
h1, w1 = img1.shape[:2] 
h2, w2 = img2.shape[:2] 
view = sp.zeros((max(h1, h2), w1 + w2, 3), sp.uint8) 
view[:h1, :w1, 0] = img1 
view[:h2, w1:, 0] = img2 
view[:, :, 1] = view[:, :, 0] 
view[:, :, 2] = view[:, :, 0] 
 
for m in good: 
  # draw the keypoints 
  # print m.queryIdx, m.trainIdx, m.distance 
  color = tuple([sp.random.randint(0, 255) for _ in xrange(3)]) 
  #print &#39;kp1,kp2&#39;,kp1,kp2 
  cv2.line(view, (int(kp1[m.queryIdx].pt[0]), int(kp1[m.queryIdx].pt[1])) , (int(kp2[m.trainIdx].pt[0] + w1), int(kp2[m.trainIdx].pt[1])), color) 
 
cv2.imshow("view", view) 
cv2.waitKey()

Scipy の使用に関する詳細in Python パッケージの SIFT メソッドを使用した画像認識の例については、PHP 中国語 Web サイトの関連記事に注目してください。