1.1简介
在图像处理领域中,特征点又被称为兴趣点或者角点,它通常具有旋转不变性和光照不变性和视角不变性等优点,是图像的重要特征之一,常被应用到目标匹配,目标跟踪,三维重建等应用中。点特征主要指图像中的明显点,如突出的角点,边缘端点,极值点等等,用于点特征提取的算子称为兴趣点提取(检测)算子,常用的有哈里斯角点检测,FAST特征检测,SIFT特征检测及SURF特征检测。
1.角点
使用一个滑动窗口在以下三幅图中滑动,可以进行以下建模:
左图表示一个垂直区域,在各方向移动,窗口内部提示值均没有太大变化;
中图表示一个边缘特征(Edges),如果沿水平方向移动(梯度方向),则值会发生跳变;如果沿边缘移动(平行于边缘),则值不会发生变化;
右图表示一个角(Corners),不管你把它朝哪个方向移动,导致值都会发生很大的变化。
1.5基于OpenCV的实现
- API
在opencv中有提供实现Harris角点检测的函数cv2.cornerHarris,我们直接调用的就可以,非常方便。
函数原型:cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])
对于每一个分辨率(x,y),在(blockSize x blockSize)邻域内,计算梯度图的协方差矩阵$ M(x,y)$,然后通过上面第二步中的角点响应函数得到结果图。图像中的角点可以为该结果图的局部替代。
即可以得到输出图中的局部顶点,这些值就对应图像中的角点。
参数说明:
src-输入灰度图像,float32类型
blockSize-用于角点检测的邻域大小,就是上面提到的窗口的尺寸
ksize-用于计算梯度图的Sobel算子的尺寸
k-用于计算角点响应函数的参数k,取值范围常在0.04〜0.06之间从matplotlib 导入cv2 作为 cv
导入pyplot 作为plt 导入numpy 作为np
#个检测器参数
block_size = 3
sobel_size = 3
k = 0.06
图片 = 简历。读(‘Scenery.jpg’)
打印(图像。形状)
高度 = 图像。形状 [ 0 ]
宽度 = 图片。形状 [ 1 ]
通道 = 图像。shape [ 2 ]
打印(“宽度:%s高度:%s通道:%s” %(宽度,高度,通道)
gray_img = cv。cvtColor(图像,CV2。COLOR_BGR2GRAY)
#将数据类型设置修改为32位浮点
gray_img = np。float32(gray_img)
#检测具有适当值的角作为输入参数
corners_img = cv。cornerHarris(gray_img,block_size,sobel_size,k)
#结果被放大以标记角点,不必要
kernel = cv2。getStructuringElement(CV2。MORPH_RECT,(3,3))
DST = CV。扩张(corners_img,内核)
#最佳阈值,以绿色标记拐角
#image [corners_img> 0.01 * corners_img.max()] = [0,0,255]
为 [R 在 范围(高度):
用于 Ç 在 范围(宽度):
PIX = DST [ - [R ,C ^ ]
如果 PIX > 0.05 * DST。max():
cv2。圆(图像,(Ç,- [R ),5,(0,0,255),0)
图片 = 简历。cvtColor(图像,CV2。COLOR_BGR2RGB)
PLT。imshow(图片)
plt。显示()