Python opencv的翘曲预测未给出准确的结果

我想缝合两个有部分重叠区域的图像，我正在使用OpenCV。在使用orb和flann匹配关键点并找到单应性后，我执行了扭曲透视，但没有得到所需的结果。我不明白我做错了什么我对这个很陌生请帮忙。 我正在附上密码

    # -*- coding: utf-8 -*-
import numpy as np
import cv2
from matplotlib import pyplot as plt
def rotated(img):
   (h,w)=img.shape[:2]
   center=(w / 2,h / 2)
   m=cv2.getRotationMatrix2D(center,359.5,1)
   rotate=cv2.warpAffine(img,m,(w,h))
   plt.imshow(rotate)
   plt.show()
   return rotate



d=(600,400)
img2= cv2.imread('G:/mca6thsem/bulletsimages/a31/a22/5500k/land2_part1.jpeg')
img1 = cv2.imread('G:/mca6thsem/bulletsimages/a31/a22/5500k/land2prt2.jpeg')
img1=cv2.resize(img1,d)
img1=rotated(img1)
img2=cv2.resize(img2,d)
img2=rotated(img2)
orb = cv2.ORB_create()
kp, des= orb.detectAndCompute(img1, None)
kp1, des1 = orb.detectAndCompute(img2, None)




imgor = cv2.drawKeypoints(img1,kp,None,color=(0,255,0))
imgor1 = cv2.drawKeypoints(img2,kp1,None,color=(0,255,0))
#flann
FLANN_INDEX_LSH=0
index_params= dict(algorithm = FLANN_INDEX_LSH,
                   table_number = 6, # 12
                   key_size = 12,     # 20
                   multi_probe_level = 1) #2
search_params = dict(checks=30)
flann = cv2.FlannBasedMatcher(index_params,search_params)

matches = flann.knnMatch(np.float32(des),np.float32(des1),k=2)



good = []
for m,n in matches:
    if m.distance < 0.9*n.distance:
        good.append(m)

if len(good)>10:
    src_pts = np.float32([ kp[m.queryIdx].pt for m in good ]).reshape(-1,1,2)
    dst_pts = np.float32([ kp1[m.trainIdx].pt for m in good ]).reshape(-1,1,2)
    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0)
    matchesMask = mask.ravel().tolist()
    h = img1.shape[1]
    w= img1.shape[0]




dst = cv2.warpPerspective(img2,M,(img2.shape[1] + img1.shape[1], img2.shape[0]))
dst[0:img1.shape[0],0:img1.shape[1]]=img1

draw_params = dict(matchColor = (0,255,0), # draw matches in green color
                   singlePointColor = None,
                   matchesMask = matchesMask, # draw only inliers
                   flags = 2)

img3 = cv2.drawMatches(img1,kp,img2,kp1,good,None,**draw_params)

plt.imshow(img3, 'gray'),plt.show()
#im1Reg=cv2.resize(im1Reg,d)
plt.imshow(dst, 'gray'),plt.show()

#-*-编码：utf-8-*-
将numpy作为np导入
进口cv2
从matplotlib导入pyplot作为plt
def旋转（img）：
（h，w）=图像形状[：2]
中心=（w/2，h/2）
m=cv2.getRotationMatrix2D（中心，359.5,1）
旋转=cv2。翘曲仿射（img，m，（w，h））
plt.imshow（旋转）
plt.show（）
回程旋转
d=（600400）
img2=cv2.imread（'G:/mca6thsem/bulletsimages/a31/a22/5500k/land2_part1.jpeg'））
img1=cv2.imread（'G:/mca6thsem/bulletsimages/a31/a22/5500k/land2prt2.jpeg'））
img1=cv2。调整大小（img1，d）
img1=旋转（img1）
img2=cv2。调整大小（img2，d）
img2=旋转（img2）
orb=cv2.orb_create（）
kp，des=orb.detectAndCompute（img1，无）
kp1，des1=orb.detectAndCompute（img2，无）
imgor=cv2.绘图关键点（img1，kp，无，颜色=（0255,0））
imgor1=cv2.绘图关键点（img2，kp1，无，颜色=（0255,0））
#法兰
法兰指数=0
索引参数=dict（算法=法兰索引），
表#编号=6，#12
钥匙尺寸=12，#20
多探头（水平=1）2
搜索参数=dict（检查=30）
flann=cv2.FlannBasedMatcher（索引参数、搜索参数）
matches=flann.knnMatch（np.float32（des），np.float32（des1），k=2）
好的=[]
对于匹配中的m，n：
如果m.距离<0.9*n.距离：
好。追加（m）
如果len（良好）>10：
src_pts=np.float32（[kp[m.queryIdx].pt代表m处于良好状态]）。重塑（-1,1,2）
dst_pts=np.float32（[kp1[m.trainIdx].pt代表m处于良好状态]）。重塑（-1,1,2）
M、 掩模=cv2.findHomography（src_pts，dst_pts，cv2.RANSAC，5.0）
matchesMask=mask.ravel（）.tolist（）
h=img1.形状[1]
w=img1.形状[0]
dst=cv2.0（img2，M，（img2.shape[1]+img1.shape[1]，img2.shape[0]））
dst[0:img1.shape[0]，0:img1.shape[1]=img1
绘制参数=dict（匹配颜色=（0255,0），#绘制绿色的匹配
singlePointColor=无，
matchesMask=matchesMask，#只绘制内线
旗帜=2）
img3=cv2.绘图匹配（img1、kp、img2、kp1、良好、无、**绘图参数）
plt.imshow（img3，‘灰色’），plt.show（）
#im1Reg=cv2.调整大小（im1Reg，d）
plt.imshow（dst，'gray'），plt.show（）

---

您的warpPerspective工作正常，但您没有获得足够的关键点匹配，使warp的结果符合您的需要。尝试使用不同的关键点检测器（如Brisk、KAZE或AKAZE）和不同的关键点匹配器（如Brute Force或K-近邻）。

如果需要混合覆盖（在解决关键点问题后），请参阅感谢u Aaron的建议我对AKAZE KAZE和Brisk感到厌倦，但我得到的结果与问题中提到的相同。看起来您尝试缝合在一起的图像非常相似，openCV无法获得足够丰富的关键点来执行所需的操作。我想你可以通过创建蒙版图像来解决这个问题，在这里你可以找到关键点，描述符，过滤匹配，计算单应性等，但是一旦所有这些计算都找到了，然后你把这些图像传给你的原始图像拼接在一起。谢谢Aaron…我怀疑我没有完全理解你创建面具图像的意思？你的意思是说用其他图像屏蔽我试图粘贴的图像…创建两个与上面两个图像相同宽度和像素高度的图像，并用关键点和描述符在这些图像上找到匹配项。在那之后，找到单应矩阵，但不是将你创建的两个图像缝合在一起，而是将计算从遮罩图像传递到你试图缝合在一起的实际图像，然后它应该可以工作。Araon我发现扭曲透视在我的情况下不起作用…所以我可以得到（x，y）从关键点开始，然后将一个图像转换为另一个图像，在公共区域上彼此重叠？