OpenCV实战(16)——角点检测详解
0. 前言
在计算机视觉中,兴趣点 (interest points
) 也称为关键点 (keypoints
) 或特征点 (feature points
),广泛用于解决对象识别、图像匹配、视觉跟踪、3D
重建等领域的问题。与其将图像作为一个整体进行评估,不如选择可以用于局部分析的点,以获得将该点应用于局部或全局的信息。只要在图像中检测到足够数量的关键点,并且这些点具有可以精确定位的独特且稳定的特征,就能够利用这些点进行图像分析。
1. Harris 特征检测器
在图像中搜索特征点时,角点 (corners
) 是一个重要特征,角点可以很容易地在图像中定位,它们通常大量存在于带有夹角的场景中,例如,由墙壁、门、窗、桌子等产生。角点是可以精确定位的二维特征,它们通常位于两个或多个边缘的交界处,这与位于均匀区域或物体轮廓上的点(难以在同一物体的其他图像上重复精确定位)不同。Harris
特征检测器是检测图像角点的经典方法,本节,我们将介绍如何运用 Harris
特征检测器。
1.1 检测 Harris 角点
在 OpenCV
中,可以使用函数 cv::cornerHarris
检测 Harris
角点。
(1) 传入输入图像调用 cv::cornerHarris
函数,结果保存在浮点图像 cornerStrength