基于python的opencv库的数字图像处理代码实现，作为C++项目的双目视觉处理项目开发先导测试与验证.zip

# 数字图像处理-基于python库opencv #### 环境 opencv 4.10.0 numpy 1.26.4 #### 介绍 基于python的opencv库的数字图像处理代码实现，作为视觉处理实现知识的理解与简单应用 其中包括内容： 1、Harris角点检测 原理：通过图像垂直和水平方向的灰度变化来判断图像当中的角点； 2、SIFT特征点 原理：通过高斯金字塔得到高斯差分金字塔DoG，再通过极值点找到特征点； 3、SIFT描述子 原理：通过SIFT特征点得到特征点； 4、SURF特征点 原理：SIFT优化版本，使用LoG。测试安装库未支持； 5、ORB描述子 原理：SIFT进一步优化的版本，主要优化了特征点和描述子的计算法方法。大量直接使用图像灰度值来获取特征，并且从实现过程来看，通过此算法获得的描述子和前两种算法得到的描述子的含义可能也是不相同的。由于算法的简化，并且描述子的存储方式(01)的各种优化，此算法的计算效率很高。但是在测试中发现很容易得到很多不匹配的特征点； 6、图片拼接 原理：通过SIFT等算法得到特征点，获取4个以上匹配的特征点坐标，得到单应性矩阵。通过单应性矩阵将匹配源图片进行透视转换，并将匹配源图片与匹配目标图片按照匹配的特征点进行叠加，完成图片的拼接。