Python图像处理，cv2模块，OpenCV实现检索图片

本文介绍了如何使用Python的cv2模块和OpenCV库进行图像处理，特别是图像特征检测算法如Harris、FAST、SIFT、SURF、ORB，并讲解了特征匹配中的暴力匹配法和FLANN匹配法。通过示例展示了图像检索的过程，最终实现了从原始图片中检索出目标图片的微博Logo。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

利用Python实现OpenCV实现边缘检测。废话不多说。

让我们愉快地开始吧~

Python版本： 3.6.4

相关模块：

cv2模块；

以及一些Python自带的模块。

安装Python并添加到环境变量，pip安装需要的相关模块即可。

OpenCV可以检测图像的主要特征，然后提取图像的特征，使其成为图像描述符

这些图像特征，也就是图像描述符，可以作为图像搜索的数据库

这里简单介绍一下OpenCV常用的几种特征检测和提取算法。

Harris、FAST：用于检测角点的。

SIFT、SURF、BRIEF：用于检测斑点的。

ORB：FAST算法和BRIEF算法的结合体。\

检测和提取的工作做完了，就是特征匹配。

主要是「暴力匹配法」和「FLANN匹配法」。

提了好几次特征了，那么什么是图像的特征呢？

图像特征就是指有意义的图像区域，具有独特性或易于识别性，比如角点、斑点以及高密度区。

角点可以通过OpenCV的cornerHarris来识别。

「SIFT」则是一种与图像比例无关的角点检测方法，尺度不变特征变换。

采用DoG和SIFT来检测关键点并提取关键点周围的特征。

「SURF」特征检测算法，则是采用Hessian算法检测关键点，使用SURF提取特征。

采用FLANN匹配，近似最近邻的快速库

原始图片如下，为微博的Logo

目标图片如下，包含新浪微博的名称

具体代码如下

import cv2

good = []
# 原始图片
queryImage = cv2.imread('wb1.jpg', 0)
# 目标图片
trainingImage = cv2.imre