1-21 角点检测 opencv树莓派4B 入门系列笔记

Serial number V

于 2024-09-09 09:14:41 发布

阅读量594

点赞数 11

分类专栏：树莓派文章标签：笔记 opencv 人工智能计算机视觉算法

本文链接：https://blog.csdn.net/2301_80015907/article/details/141962744

版权

树莓派专栏收录该内容

23 篇文章 1 订阅

订阅专栏

一、提前准备

1、树莓派4B 及 64位系统

2、提前安装opencv库以及 numpy库

3、保存一张图片

二、代码详解

import cv2

img = cv2.imread('jihe.jpg')
# 角点检测需要转换为灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 角点检测  
dst = cv2.cornerHarris(img_gray, 4, 3, 0.04)
# 每个点得到的结果值大于最大角点值的0.01倍，即认为该点为角点，并用[0, 0, 255]红色绘制出
img[dst > 0.01 * dst.max()] = [0, 0, 255]
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)：

这个函数用于转换图像的颜色空间。在这里，它将原始图像（通常是BGR格式）转换为灰度图。灰度图只有一个颜色通道，这在许多图像处理任务中是必要的，因为它们不需要处理颜色信息。

cv2.cornerHarris(img_gray, 4, 3, 0.04)：

这是Harris角点检测算法的实现。它接受四个参数：

img_gray：输入的灰度图像。

0.04：Harris检测器的自由参数，用于调整角点响应函数的灵敏度。这个函数会返回一个与输入图像大小相同的响应图，图中的每个像素值表示该位置成为角点的可能性。

3：Sobel算子的孔径大小，用于计算图像的梯度。

4：角点检测的区块大小，即每个角点周围的邻域大小。

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

这行代码是在响应图dst上进行阈值操作，以确定角点的位置。它将响应图中大于其最大值的0.01倍的像素点设置为红色（BGR格式中的[0, 0, 255]）。

这意味着只有响应值足够高的点才会被认为是角点，并在原始图像上用红色标记。