moravec 角点检测

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
// MoravecCorners角点检测
cv::Mat MoravecCorners(cv::Mat srcImage, int kSize, int threshold)
{
	cv::Mat resMorMat = srcImage.clone();
	// 获取初始化参数信息
	int r = kSize / 2;
	const int nRows = srcImage.rows;
	const int nCols = srcImage.cols;
	int nConut = 0;
	CvPoint *pPoint = new CvPoint[nRows*nCols];
	// 图像遍历
	for (int i = r; i < srcImage.rows-r; i++)
	{
		for (int j = r; j<srcImage.cols-r; j++)
		{
			int wV1, wV2, wV3, wV4;
			wV1 = wV2 = wV3 = wV4 = 0;
			// 计算水平方向窗内兴趣值
			for (int k = -r; k < r; k++)
				wV1 += (srcImage.at<uchar>(i,j+k)-
				srcImage.at<uchar>(i,j+k+1))*(srcImage.at
				<uchar>(i,j+k)-srcImage.at<uchar>(i,j+k+1));
			// 计算垂直方向窗内兴趣值
			for (int k = -r; k < r; k++)
				wV2 += (srcImage.at<uchar>(i+k,j)-
				srcImage.at<uchar>(i+k+1,j))*(srcImage.at
				<uchar>(i+k,j)-srcImage.at<uchar>(i+k+1,j));
			// 计算45度方向窗内兴趣值
			for (int k = -r; k < r; k++)
				wV3 += (srcImage.at<uchar>(i+k,j+k)-
				srcImage.at<uchar>(i+k+1,j+k+1))*(srcImage.at
				<uchar>(i+k,j+k)-srcImage.at<uchar>(i+k+1,j+k+1));
			// 计算135度方向窗内兴趣值
			for (int k = -r; k < r; k++)
				wV4 += (srcImage.at<uchar>(i+k,j-k)-
				srcImage.at<uchar>(i+k+1,j-k-1))*(srcImage.at
				<uchar>(i+k,j-k)-srcImage.at<uchar>(i+k+1,j-k-1));
			//std::cout << wV1 << wV2 <<  wV3 << wV4 << std::endl;
			// 取其中的最小值作为该像素点的最终兴趣值
			int value = min(min(wV1,wV2), min(wV3,wV4));
			// 若兴趣值大于阈值,则将点的坐标存入数组中 
			if (value > threshold)
			{
				pPoint[nConut] = cvPoint(j,i);
				nConut++;
			}
		}
	}
	//绘制兴趣点
	for (int i = 0; i < nConut; i++)
		cv::circle(resMorMat, pPoint[i], 5, cv::Scalar(255,0,0));
    return resMorMat;
}

int main()
{
	cv::Mat srcImage = imread("..\\images\\building.jpg",0);
	if (!srcImage.data)
		return -1;
	cv::Mat resMorMat =  MoravecCorners(srcImage, 5,10000);
	cv::imshow("srcImage", srcImage);
	cv::imshow("resMorMat",resMorMat);
	cv::waitKey(0);
	return 0;
}



转载:http://blog.csdn.net/zhuwei1988

### 回答1: Moravec角点检测是一种计算机视觉中用于检测图像中角点的算法。实现该算法的Python代码如下: ```python import cv2 import numpy as np def moravec_corner_detection(img, window_size=3, threshold=100): # 计算梯度 dx = cv2.Sobel(img, cv2.CV_32F, 1, 0) dy = cv2.Sobel(img, cv2.CV_32F, 0, 1) Ixx = dx ** 2 Ixy = dx * dy Iyy = dy ** 2 height, width = img.shape corner_map = np.zeros((height, width)) offset = window_size // 2 for y in range(offset, height - offset): for x in range(offset, width - offset): # 计算每个像素点的角点响应函数 M = np.array([[np.sum(Ixx[y-offset:y+offset+1, x-offset:x+offset+1]), np.sum(Ixy[y-offset:y+offset+1, x-offset:x+offset+1])], [np.sum(Ixy[y-offset:y+offset+1, x-offset:x+offset+1]), np.sum(Iyy[y-offset:y+offset+1, x-offset:x+offset+1])]]) det = np.linalg.det(M) trace = np.trace(M) corner_map[y, x] = det - 0.05 * trace ** 2 # 根据阈值筛选角点 corners = [] for y in range(offset, height - offset): for x in range(offset, width - offset): if corner_map[y, x] > threshold and \ corner_map[y, x] == np.max(corner_map[y-offset:y+offset+1, x-offset:x+offset+1]): corners.append((y, x)) return corners ``` 该函数接受一张灰度图像,以及窗口大小和阈值作为参数。它首先使用Sobel算子计算输入图像的水平和垂直梯度,然后计算每个像素点的角点响应函数。最后,它根据阈值和角点响应函数的最大值筛选角点,并返回一个角点列表。 ### 回答2: Moravec角点检测是一种在计算机视觉领域中广泛使用的角点检测算法。该算法通过检测图像中窗口内灰度变化最大的位置来确定角点的位置。 要实现Moravec角点检测算法的Python代码,我们可以按照以下步骤进行: 1. 首先,我们需要加载图像并将其转换为灰度图像。可以使用Python的图像处理库(如PIL或OpenCV)来实现这一步骤。 2. 接下来,我们需要定义一个窗口大小,该窗口将在图像上滑动。可以根据需求来选择窗口大小。 3. 在定义了窗口大小后,我们需要遍历图像的每个像素。对于每个像素,我们需要计算其在窗口内灰度变化的总和。 4. 然后,我们可以根据窗口内灰度变化的总和来计算一个角点响应函数。在Moravec角点检测中,常用的响应函数是灰度变化总和的平方。 5. 最后,我们可以根据阈值来筛选具有高角点响应的像素,并将它们标记为角点。 以上就是实现Moravec角点检测算法的基本步骤。当然,根据具体的需求,我们还可以添加一些额外的步骤,如非最大抑制等来优化角点检测的结果。 需要注意的是,Moravec角点检测算法是一种基于计算灰度变化的算法,对于噪声较大或亮度不均匀的图像可能效果不佳。因此,在实际应用中,我们可能需要结合其他的角点检测算法来获得更好的结果。 ### 回答3: Moravec角点检测是一种在计算机视觉中常用的角点检测算法。这个算法可以用Python来实现。 实现Moravec角点检测的方法如下: 1. 首先,将图像转换为灰度图像,这是因为角点检测算法对于灰度图像更为适用。 2. 然后,对于每个像素点,计算其在x和y方向上的梯度,可以使用Sobel算子等滤波器来计算梯度。 3. 接下来,对于每个像素点,计算其与其周围窗口中的像素点的差异度量。 - 可以使用简单平方差(Sum of Squared Differences, SSD)或小波变换等方法计算差异度量。 - 可以指定一个窗口大小,通常是3x3或5x5大小的窗口。 4. 根据差异度量,判断当前像素是否为角点。 - 如果差异度量高于一定的阈值,即认为当前像素为角点。 - 可以根据具体应用场景和对角点检测的要求来确定阈值的选择。 以下是一个简单的Python代码实现Moravec角点检测的示例: ```python import cv2 import numpy as np def moravec_corner_detection(image, window_size=3, threshold=100): gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) height, width = gray_image.shape corners = [] for y in range(window_size//2, height-window_size//2): for x in range(window_size//2, width-window_size//2): min_diff = np.inf for dy in [-1, 0, 1]: for dx in [-1, 0, 1]: if dy == 0 and dx == 0: continue diff = np.sum(np.square(gray_image[y:y+window_size, x:x+window_size] - gray_image[y+dy:y+dy+window_size, x+dx:x+dx+window_size])) min_diff = min(min_diff, diff) if min_diff > threshold: corners.append((x, y)) return corners # 读取图像 image = cv2.imread('image.jpg') # 调用角点检测函数 corners = moravec_corner_detection(image) # 在图像上绘制角点 for (x, y) in corners: cv2.circle(image, (x, y), 3, (0, 255, 0), -1) # 显示图像 cv2.imshow('Corners', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码中,`window_size`表示窗口大小,`threshold`表示角点的阈值。通过调整这两个参数的值,可以得到不同的角点检测效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值