概述

OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 23 课)

角点检测

角点检测 (Corner Detection) 是图像的重要特征. 角点可以帮助我们实现图像对其, 图像拼接, 目标识别等等重要用途.

Harris 角点检测 (Harris Corner Detection) 是最基础也是最重要的一种角点检测算法. 通过计算图像在 x, y 上平移的自相似性 (Self-Similarity) 来判断图像是否为角点.

例如: 某图像的某个位置在 x / y 方向上做微小的滑动, 如果窗口内的灰度值都有较大变换, 那么这个位置就是角点.

角点检测代码

格式:

cv2.cornerHarris(src, blockSize, ksize, k, dst=None, borderType=None)

  

 

  
1
 

参数:

• scr: 输入图像
• blockSize: 焦点检测中指定区域的大小
• ksize: Sobel 求导中使用的窗口大小
• ksize: Sobel 孔径参数, 取值范围为 [0.04, 0.06]

例1 :

import numpy as np
import cv2

# 读取图片
image = cv2.imread("house.jpg")

# 转换成灰度图
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# harris角点检测
harris = cv2.cornerHarris(image_gray, 2, 3, 0.04)

# 阈值转换原图
image_corner = image.copy()
image_corner[harris > 0.01 * harris.max()] = [0, 0, 255]

# 整合
combine = np.hstack((image, image_corner))

# 图片展示
cv2.imshow("origional vs corner detection", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存结果
cv2.imwrite("harris.jpg", combine)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
 

输出结果:

例 2:

import numpy as np
import cv2

# 读取图片
image = cv2.imread("house2.jpg")

# 转换成灰度图
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# harris角点检测
harris = cv2.cornerHarris(image_gray, 2, 3, 0.04)

# 阈值转换原图
image_corner = image.copy()
image_corner[harris > 0.1 * harris.max()] = [0, 0, 255]

# 整合
combine = np.hstack((image, image_corner))

# 图片展示
cv2.imshow("origional vs corner detection", image_corner)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存结果
cv2.imwrite("harris.jpg", combine)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
 

输出结果:

文章来源: iamarookie.blog.csdn.net，作者：我是小白呀，版权归原作者所有，如需转载，请联系作者。

原文链接：iamarookie.blog.csdn.net/article/details/119130841