[파이썬] opencv-python 이미지의 특징점 기반 정합

07 Sep 2023

opencv python

이미지 정합은 동일한 장면을 다른 시점에서 촬영한 이미지를 겹쳐 놓는 작업입니다. 정합된 이미지는 장면의 변화를 추적하고, 이미지 간의 비교와 분석에 유용합니다. OpenCV-Python은 특징점 기반의 이미지 정합을 위한 강력한 도구를 제공합니다.

특징점 검출과 기술자 추출

특징점은 이미지에서 주요한 지점을 나타내는 것으로, 이미지 사이에 공통된 특징점을 찾아내는 것이 중요합니다. OpenCV-Python의 cv2 모듈은 다양한 알고리즘을 제공하여 특징점을 검출하고 기술자를 추출할 수 있습니다. 일반적으로 SIFT, SURF, ORB 등의 알고리즘이 사용됩니다.

이미지에서 특징점을 검출하는 코드는 다음과 같습니다:

import cv2

# 이미지 불러오기
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# SIFT 검출기 생성
sift = cv2.xfeatures2d.SIFT_create()

# 특징점 검출과 기술자 추출
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

특징점 매칭과 정합

특징점을 검출하고 기술자를 추출한 다음에는, 이미지 간의 특징점을 매칭하여 이미지 정합을 수행할 수 있습니다. OpenCV-Python의 cv2 모듈은 다양한 알고리즘을 제공하여 매칭을 수행할 수 있습니다. 대표적인 알고리즘으로는 BFMatcher, FlannBasedMatcher 등이 있습니다.

특징점 매칭과 이미지 정합을 수행하는 코드는 다음과 같습니다:

import cv2

# 이미지 불러오기
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# SIFT 검출기 생성
sift = cv2.xfeatures2d.SIFT_create()

# 특징점 검출과 기술자 추출
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

# 특징점 매칭
matcher = cv2.BFMatcher()
matches = matcher.knnMatch(des1, des2, k=2)

# 좋은 매칭점 선별
good_matches = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good_matches.append(m)

# 매칭점 기반 정합
if len(good_matches) > 10:
    src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)
    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
    aligned_img = cv2.warpPerspective(img2, M, (img1.shape[1], img1.shape[0]))
else:
    aligned_img = None

정합된 이미지는 aligned_img 변수에 저장되며, cv2.warpPerspective() 함수를 사용하여 이미지를 정합합니다.

이미지의 특징점 기반 정합은 영상처리, 컴퓨터 비전, 로봇학 등 다양한 분야에서 활용되는 중요한 기술입니다. OpenCV-Python을 사용하면 효과적으로 이미지 정합 작업을 수행할 수 있습니다. 자세한 정보는 OpenCV 공식 문서를 참조하세요.

Happy coding!