OpenCV学习笔记（harris角点检测）

最新推荐文章于 2022-04-05 20:01:26 发布

原创最新推荐文章于 2022-04-05 20:01:26 发布 · 280 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

机器学习Python部分专栏收录该内容

11 篇文章

订阅专栏

本文详细介绍了图像处理中的角点概念及其检测方法，对比了图像中间、边界与角点的像素差值变化，利用cv2.cornerHarris()函数进行角点检测，并展示了具体代码实现与检测结果。

在图像特征提取中，有一个角点的概念，角点和边界不一样，如下图所示
在这里插入图片描述
基本原理

第一张图中，当x和y移动时，所得到的像素差值并不是很大，我们认为这是图像的中间部分，
第二张图中，当x或者y移动时，所得到的像素差值一个变化很大，一个变化很小，我们认为这是图像的边界部分，
第三张图中，当x和y移动时，所得到的像素差值变化都很大，我们认为这是图像的角点。
在这里插入图片描述
通过这一步的矩阵变换，我们使用了实对称矩阵一定可以相似对角化，然后将C消掉，用2个特征值代替，这样，我们就使用椭圆函数将这个值表示出来。

在这里插入图片描述

我们使用R值来表示这个角点响应（就是一个对应法则）

cv2.cornerHarris()
img：数据类型为 ﬂoat32 的入图像
blockSize：角点检测中指定区域的大小
ksize： Sobel求导中使用的窗口大小
k：取值参数为 [0,04,0.06]

import cv2 
import numpy as np

img = cv2.imread('test_1.jpg')
print ('img.shape:',img.shape)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# gray = np.float32(gray)
dst = cv2.cornerHarris(gray, 2, 3, 0.04)
print ('dst.shape:',dst.shape)

img.shape: (800, 1200, 3)
dst.shape: (800, 1200)

img[dst>0.01*dst.max()]=[0,0,255]
cv2.imshow('dst',img) 
cv2.waitKey(0) 
cv2.destroyAllWindows()

照片结果中会将角点标出