OpenCV入门:Harris角点检测

Harris角点检测

#include <opencv2/opencv.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  

using namespace cv;
/*
Harris角点检测:void cornerHarris(InputArray src,OutputArray dst, int blockSize, int ksize, double k, intborderType=BORDER_DEFAULT )  


第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可,且需为单通道8位或者浮点型图像。
第二个参数,OutputArray类型的dst,函数调用后的运算结果存在这里,即这个参数用于存放Harris角点检测的输出结果,和源图片有一样的尺寸和类型。
第三个参数,int类型的blockSize,表示邻域的大小,更多的详细信息在cornerEigenValsAndVecs()中有讲到。
第四个参数,int类型的ksize,表示Sobel()算子的孔径大小。
第五个参数,double类型的k,Harris参数。
第六个参数,int类型的borderType,图像像素的边界模式,注意它有默认值BORDER_DEFAULT。更详细的解释,参考borderInterpolate( )函数。
*/
int main()
{ 
	namedWindow("原始图",0);
	//以灰度模式载入图像并显示
	Mat imageSrc = imread("build.jpg", 0);
	imshow("原始图", imageSrc);


	//进行Harris角点检测找出角点
	Mat cornerStrength;
	cornerHarris(imageSrc, cornerStrength, 2, 3, 0.01);
	
	namedWindow("角点检测后的二值效果图",0);
	//对灰度图进行阈值操作,得到二值图并显示  
	Mat harrisCorner;
	threshold(cornerStrength, harrisCorner, 0.00001, 255, THRESH_BINARY);
	imshow("角点检测后的二值效果图", harrisCorner);


	waitKey(0);
	return 0;
}

效果图:




                
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,关于cv2.cornerHarris()函数的详解,我可以给你讲一下。 Harris 角点检测是一种经典的角点检测方法,它通过对图像中像素点的灰度值进行微小的变化,来检测出图像中的角点。在 OpenCV 中,我们可以使用 cv2.cornerHarris() 函数来进行 Harris 角点检测。 该函数的语法如下: ```Python dst = cv2.cornerHarris(src, blockSize, ksize, k) ``` 其中,参数含义如下: - `src`:输入图像,必须是单通道 8 位或者浮点型图像。 - `blockSize`:角点检测中考虑的领域大小,一般取 2-3。 - `ksize`:Sobel 求导算子的大小,一般取 3。 - `k`:Harris 角点检测中的自由参数,取值范围为 0.04-0.06。 该函数的返回值是一个和输入图像大小相同的浮点型矩阵,其中每个元素的值表示对应像素点的角点响应值。我们可以通过设定一个阈值,来判断哪些像素点是角点,哪些是非角点。 下面是一个简单的示例代码,演示了如何使用 cv2.cornerHarris() 函数进行 Harris 角点检测: ```Python import cv2 import numpy as np # 读取图像 img = cv2.imread('test.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Harris 角点检测 dst = cv2.cornerHarris(gray, blockSize=2, ksize=3, k=0.04) # 归一化处理 dst_norm = cv2.normalize(dst, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U) # 阈值化处理 thresh = 100 dst_norm[dst_norm < thresh] = 0 dst_norm[dst_norm >= thresh] = 255 # 显示结果 cv2.imshow('src', img) cv2.imshow('dst', dst_norm) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这段代码中,我们首先读取了一张测试图像,并将其转换为灰度图像。然后,使用 cv2.cornerHarris() 函数进行 Harris 角点检测,得到角点响应值矩阵 dst。接着,我们对 dst 进行了归一化处理,并设定了一个阈值,将响应值小于阈值的像素点标记为非角点,大于等于阈值的像素点标记为角点。最后,将处理结果显示出来。 希望这段代码能够帮助你理解 cv2.cornerHarris() 函数的使用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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