詳細介紹Python中利用Scipy套件的SIFT方法進行圖片辨識的實例

scipy

scipy套件包含致力於科學計算中常見問題的各個工具箱。它的不同子模組相應於不同的應用。像插值，積分，優化，圖像處理，，特殊函數等等。
scipy可以與其它標準科學計算程式庫進行比較，例如GSL(GNU C或C++科學計算庫)，或Matlab工具箱。 scipy是Python中科學計算程式的核心套件;它用於有效地計算numpy矩陣，來讓numpy和scipy協同工作。
在實作一個程式之前，值得檢查下所需的資料處理方式是否已經在scipy中存在了。作為非專業程式設計師，科學家總是喜歡重新發明造輪子，導致了充滿漏洞的，未經優化的，很難分享和維護的程式碼。相反，Scipy程序經過優化和測試，因此應該盡可能使用。
scipy由一些特定功能的子模組組成，它們全依賴numpy,但是每個之間基本上獨立。
舉個Debian系的Linux中安裝的例子（雖然我在windows上用--）：

複製程式碼 程式碼如下：

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

導入Numpy和這些scipy模組的標準方式是：

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

主scipy命名空間大多包含真正的numpy函數(嘗試scipy.cos 就是np.cos)。這些只是由於歷史原因，通常沒有理由在你的程式碼中使用import scipy。

使用映像匹配SIFT演算法進行LOGO偵測
先上效果圖：

##其中

是logo標識,

#程式碼如下.

#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()

更多詳細介紹Python中利用Scipy套件的SIFT方法進行圖片辨識的實例相關文章請關注PHP中文網！