OpenCV半小時(shí)掌握基本操作之角點(diǎn)檢測(cè)

更新時(shí)間：2021年09月08日 15:52:49 作者：我是小白呀

這篇文章主要介紹了OpenCV基本操作之角點(diǎn)檢測(cè)，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

概述

OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺庫, 支持多語言, 功能強(qiáng)大. 今天小白就帶大家一起攜手走進(jìn) OpenCV 的世界.

在這里插入圖片描述

角點(diǎn)檢測(cè)

角點(diǎn)檢測(cè) (Corner Detection) 是圖像的重要特征. 角點(diǎn)可以幫助我們實(shí)現(xiàn)圖像對(duì)其, 圖像拼接, 目標(biāo)識(shí)別等等重要用途.

在這里插入圖片描述

Harris 角點(diǎn)檢測(cè) (Harris Corner Detection) 是最基礎(chǔ)也是最重要的一種角點(diǎn)檢測(cè)算法. 通過計(jì)算圖像在 x, y 上平移的自相似性 (Self-Similarity) 來判斷圖像是否為角點(diǎn).

請(qǐng)?zhí)砑訄D片描述

例如: 某圖像的某個(gè)位置在 x / y 方向上做微小的滑動(dòng), 如果窗口內(nèi)的灰度值都有較大變換, 那么這個(gè)位置就是角點(diǎn).

角點(diǎn)檢測(cè)代碼

格式:

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

參數(shù):

scr: 輸入圖像
blockSize: 焦點(diǎn)檢測(cè)中指定區(qū)域的大小
ksize: Sobel 求導(dǎo)中使用的窗口大小
ksize: Sobel 孔徑參數(shù), 取值范圍為 [0.04, 0.06]

例1 :

import numpy as np
import cv2

# 讀取圖片
image = cv2.imread("house.jpg")

# 轉(zhuǎn)換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# harris角點(diǎn)檢測(cè)
harris = cv2.cornerHarris(image_gray, 2, 3, 0.04)

# 閾值轉(zhuǎn)換原圖
image_corner = image.copy()
image_corner[harris > 0.01 * harris.max()] = [0, 0, 255]

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

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

# 保存結(jié)果
cv2.imwrite("harris.jpg", combine)

輸出結(jié)果:

在這里插入圖片描述

例 2:

import numpy as np
import cv2

# 讀取圖片
image = cv2.imread("house2.jpg")

# 轉(zhuǎn)換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# harris角點(diǎn)檢測(cè)
harris = cv2.cornerHarris(image_gray, 2, 3, 0.04)

# 閾值轉(zhuǎn)換原圖
image_corner = image.copy()
image_corner[harris > 0.1 * harris.max()] = [0, 0, 255]

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

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

# 保存結(jié)果
cv2.imwrite("harris.jpg", combine)

輸出結(jié)果:

在這里插入圖片描述