Azadov Nadirbek 13praktika

import cv2
import numpy as np
import time

# Укажите полный путь к файлам изображений
path = '/Users/Texnik/Downloads/Новая папка 2/'
image1_path = path + 'tom ford.jpg'  # Замените на имя первого изображения
image2_path = path + 'tom ford.jpg'  # Замените на имя второго изображения

# Загрузка изображений
image1 = cv2.imread(image1_path, cv2.IMREAD_GRAYSCALE)
image2 = cv2.imread(image2_path, cv2.IMREAD_GRAYSCALE)

# Проверка, загрузились ли изображения
if image1 is None or image2 is None:
    print("Ошибка загрузки изображений. Проверьте путь.")
    exit()

# Применение гауссового размытия к изображению 2
image2_blurred = cv2.GaussianBlur(image2, (5, 5), 0)  # Размер ядра (5, 5)

# Инициализация детектора ORB
orb = cv2.ORB_create()

# Детектирование ключевых точек и вычисление дескрипторов для исходного изображения
keypoints1, descriptors1 = orb.detectAndCompute(image1, None)
# Детектирование ключевых точек и вычисление дескрипторов для размытых изображений
keypoints2, descriptors2 = orb.detectAndCompute(image2_blurred, None)

# Проверка, были ли найдены дескрипторы
if descriptors1 is None or descriptors2 is None or len(descriptors1) == 0 or len(descriptors2) == 0:
    print("Ошибка: не найдены дескрипторы в одном из изображений.")
    exit()

# 1. Brute-Force Matcher
start_time_bf = time.time()  # Засекаем время начала для Brute-Force

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches_bf = bf.match(descriptors1, descriptors2)

# Сортировка совпадений по расстоянию
matches_bf = sorted(matches_bf, key=lambda x: x.distance)

# Отображение совпадений методом Brute-Force
image_matches_bf = cv2.drawMatches(image1, keypoints1, image2_blurred, keypoints2, matches_bf[:20], None, flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)

# Засекаем время окончания для Brute-Force и вычисляем разницу
end_time_bf = time.time()
time_bf = end_time_bf - start_time_bf
print(f"Время выполнения метода Brute-Force: {time_bf:.4f} секунд")

# 2. FLANN Matcher
start_time_flann = time.time()  # Засекаем время начала для FLANN

# Параметры FLANN
index_params = dict(algorithm=6,  # FLANN_INDEX_LSH
                    table_number=6,  # 12
                    key_size=12,  # 20
                    multi_probe_level=1)  # 2
search_params = dict(checks=50)  # Увеличьте для большей точности

# Создание FLANN матчера
flann = cv2.FlannBasedMatcher(index_params, search_params)
matches_flann = flann.knnMatch(descriptors1, descriptors2, k=2)

# Применение теста Лоу
good_matches_flann = []
for m, n in matches_flann:
    if m.distance < 0.7 * n.distance:
        good_matches_flann.append(m)

# Отображение совпадений методом FLANN
image_matches_flann = cv2.drawMatches(image1, keypoints1, image2_blurred, keypoints2, good_matches_flann[:20], None, flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)

# Засекаем время окончания для FLANN и вычисляем разницу
end_time_flann = time.time()
time_flann = end_time_flann - start_time_flann
print(f"Время выполнения метода FLANN: {time_flann:.4f} секунд")

# Вывод количества совпадений для каждого метода
print(f"Количество совпадений (Brute-Force): {len(matches_bf)}")
print(f"Количество хороших совпадений (FLANN): {len(good_matches_flann)}")

# Отображение результатов
cv2.imshow('Brute-Force Matches', image_matches_bf)
cv2.imshow('FLANN Matches', image_matches_flann)

cv2.waitKey(0)
cv2.destroyAllWindows()