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.
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.
格式:
cv2.cornerHarris(src, blockSize, ksize, k, dst=None, borderType=None)
参数:
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)
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)
输出结果:
到此这篇关于OpenCV半小时掌握基本操作之角点检测的文章就介绍到这了,更多相关OpenCV角点检测内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
