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.
角點(diǎn)檢測
角點(diǎn)檢測 (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.
Harris 角點(diǎn)檢測 (Harris Corner Detection) 是最基礎(chǔ)也是最重要的一種角點(diǎn)檢測算法. 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).
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
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:
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
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:
到此這篇關(guān)于OpenCV半小時(shí)掌握基本操作之角點(diǎn)檢測的文章就介紹到這了,更多相關(guān)OpenCV角點(diǎn)檢測內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV特征提取與檢測之Shi-Tomasi角點(diǎn)檢測器
- OpenCV特征提取與檢測之Harris角點(diǎn)檢測
- python opencv角點(diǎn)檢測連線功能的實(shí)現(xiàn)代碼
- OpenCV哈里斯(Harris)角點(diǎn)檢測的實(shí)現(xiàn)
