用opencv和python计算区域相关图

所以我在做一个图像处理项目，我的目标是使用SIFT和仿射变换检测图像上的重复区域，我已经达到了正确的关键点匹配和仿射变换矩阵的程度

然后我现在坚持这一步，我需要使用这2幅图像生成2幅相关位图，这是我在仿射变换后得到的：

这两张是我处理的图像：

所以我需要一些帮助，我可以做这一步我尝试了，但不幸的是，我失败了。 我尝试了滑动窗口两个图像，我采取了5x5像素，这意味着 也许我做错了，我知道滑动窗很糟糕，但我现在只是在尝试。 这是我到目前为止得到的，但我需要相反的结果

我试过这个

#用零填充的黑色图像
空白图像=np.0（（h，w，1），np.uint8）
对于范围（0，h-4）内的y：
对于范围（0，w-4）内的x：
窗口1=图像灰度[y:y+5，x:x+5]
window2=wrapAffine\u img[y:y+5，x:x+5]
a1=窗口1[3][3]
a2=窗口2[3][3]
平均值1=cv2。平均值（窗口1）
平均值2=cv2。平均值（窗口2）
平均值1_num=平均值1[0]
平均数2_num=平均数2[0]
b1=a1-平均数1
b2=a2-平均数2
顶部=（b1*b2）
底部=数学sqrt（（b1*b1）*（b2*b2））
如果底部>0：
打印（顶部/底部）
强度=顶部/底部
空白图像[y+2，x+2]=强度
elif底部最小匹配计数：
src_pts=np.float32（[keypoints[m.trainIdx].pt表示m处于良好匹配状态]）
dst_pts=np.float32（[keypoints[m.queryIdx].pt表示m处于良好匹配状态]）
retval，inliers=cv2.estimateAffine2D（src_pts，dst_pts，method=cv2.RANSAC，ransacreprojectthreshold=3，maxIters=100，
置信度=0.99）
matchesMask=inliers.ravel（）.tolist（）
#5.5）带RANSAC的过滤器
最终比赛=[]
对于范围内的i（len（良好匹配））：
如果matchesMask[i]==1：
最终匹配。追加（良好匹配[i]）
#5.3.1）在图像上画线和圆（可选）
#灰度图像转换为RGB图像
img_RGB=cv2.CVT颜色（img_灰色，cv2.COLOR_灰色2RGB）
列表_点1=[]
列表_点2=[]
对于决赛中的j：
#获取每个图像的匹配关键点
点1=j.trainIdx
点2=j.queryIdx
#获取坐标，x列，y行
（x1，y1）=关键点[point1].pt
（x2，y2）=关键点[point2].pt
#附加到每个列表
list_point1.append（（int（x1），int（y1）））
list_point2.append（（int（x2），int（y2）））
#在两个坐标处画一个小圆圈：半径4，绿色，厚度=1
#复制关键点圆
圆（img_RGB，（int（x1），int（y1）），4，（0，255，0），1）
#原始关键点圆
圆（img_RGB，（int（x2），int（y2）），4，（0，255，0），1）
#在两点之间画一条线，厚度=1，颜色为绿色
cv2.直线（img_RGB，（int（x1），int（y1）），（int（x2），int（y2）），（0255，0），1）
#6）计算区域相关图
#6.1）拉帕芬
wrapAffine_img=cv2.翘曲仿射（img_gray，retval，（w，h））
cv2.imwrite（'res.png'，wrapAffine\u img）
#3）产量
cv2.imshow（“结果”，res）
cv2.imwrite（'final_matches.png'，res）
#cv2.imshow（“相关性”，img\U相关性图）
cv2.等待键（0）
cv2.destroyAllWindows（）

Hi Kis。请在代码中给出一个最小的可重复样本和清晰的问题定义。我编辑了我的问题，为了清楚起见，我有两张图片，我想用图片上的公式计算区域相关图。