概述
OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大家一起攜手走進 OpenCV 的世界.
角點檢測
角點檢測 (Corner Detection) 是圖像的重要特征. 角點可以幫助我們實現圖像對其, 圖像拼接, 目標識別等等重要用途.
Harris 角點檢測 (Harris Corner Detection) 是最基礎也是最重要的一種角點檢測算法. 通過計算圖像在 x, y 上平移的自相似性 (Self-Similarity) 來判斷圖像是否為角點.
例如: 某圖像的某個位置在 x / y 方向上做微小的滑動, 如果窗口內的灰度值都有較大變換, 那么這個位置就是角點.
角點檢測代碼
格式:
cv2.cornerHarris(src, blockSize, ksize, k, dst=None, borderType=None)
參數:
- scr: 輸入圖像
- blockSize: 焦點檢測中指定區域的大小
- ksize: Sobel 求導中使用的窗口大小
- ksize: Sobel 孔徑參數, 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")
# 轉換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# harris角點檢測
harris = cv2.cornerHarris(image_gray, 2, 3, 0.04)
# 閾值轉換原圖
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()
# 保存結果
cv2.imwrite("harris.jpg", combine)
輸出結果:
例 2:
import numpy as np
import cv2
# 讀取圖片
image = cv2.imread("house2.jpg")
# 轉換成灰度圖
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# harris角點檢測
harris = cv2.cornerHarris(image_gray, 2, 3, 0.04)
# 閾值轉換原圖
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()
# 保存結果
cv2.imwrite("harris.jpg", combine)
輸出結果:
到此這篇關于OpenCV半小時掌握基本操作之角點檢測的文章就介紹到這了,更多相關OpenCV角點檢測內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關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角點檢測器
- OpenCV特征提取與檢測之Harris角點檢測
- python opencv角點檢測連線功能的實現代碼
- OpenCV哈里斯(Harris)角點檢測的實現
