OpenCv基础_三

标签：窗口   阈值   col   image   code   像素   使用   图像   数据   

Harris角点检测

 

• 理解

　　　　内部点：蓝框所示，无论滑动窗口水平滑动还是竖直滑动，框内像素值都不会发生大的变化

　　　　边界点：黑框所示，滑动窗口沿着某一个方向滑动框内像素点不会发生大的改变，但是沿着另一个方向滑动，就会发生大的改变

　　　　角点：红框所示，滑动窗口沿着两个方向滑动，框内像素点都会发生大的变化

 

　　　　两个方向上的特性值分别为λ_1,λ_2，

　　　　当 λ_1,λ_2，都很小， |R|也很小时，表示是内部区域

　　　　当 λ_1,λ_2，一个大一个小，R<0时，表示是边界区域

　　　　当 λ_1,λ_2，都很大，R也很大时，表示是角点

•  函数

　　　　Open 中的函数 cv2.cornerHarris() 可以用来进行角点检测

　　　　参数
　　　　? img - 数据类型为 float32 的输入图像。
　　　　? blockSize - 角点检测中要考虑的领域大小。
　　　　? ksize - Sobel 求导中使用的窗口大小
　　　　? k - Harris 角点检测方程中的自由参数,取值参数为 [0,04,0.06].

　　　　返回值

　　　　R值构成的灰度图像，灰度图像坐标会与原图像对应，Ｒ值就是角点分数当Ｒ值很大的时候　就可以认为这个点是一个角点

• 步骤

1.图片转化为灰度图

2. cv2.cornerHarris() 处理的是float32,注意类型转换

3.利用 cv2.cornerHarris()得到R集合

4.把R中大于某个阈值的判定为角点,

img[dst>0.01*dst.max()] = [0,0,255]

这里Ｒ矩阵是一个很大的值，取里面最大的Ｒ，只要dst里面的值大于0.01Ｒ的最大值
那么此时这个dst的Ｒ值也是很大的　可以判定他为角点

 

import cv2
import numpy as np

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

img = cv2.imread(‘chess.jpg‘)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)

img[dst>0.01*dst.max()] = [0,0,255]
cv_show(‘img‘,img)

 

OpenCv基础_三

标签：窗口   阈值   col   image   code   像素   使用   图像   数据   

原文地址：https://www.cnblogs.com/empolder-minoz/p/14382810.html