【OpenCV】81 角点检测—Harris角点检测

81 角点检测—Harris角点检测

代码

import numpy as np
import cv2 as cv

def process(image, opt=1):
    # Detector parameters
    blockSize = 2
    apertureSize = 3
    k = 0.04
    # Detecting corners
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    dst = cv.cornerHarris(gray, blockSize, apertureSize, k)
    # Normalizing
    dst_norm = np.empty(dst.shape, dtype=np.float32)
    cv.normalize(dst, dst_norm, alpha=0, beta=255, norm_type=cv.NORM_MINMAX)
    dst_norm_scaled = cv.convertScaleAbs(dst_norm)
    # Drawing a circle around corners
    for i in range(dst_norm.shape[0]):
        for j in range(dst_norm.shape[1]):
            if int(dst_norm[i, j]) > 80:
                b = np.random.random_integers(0, 256)
                g = np.random.random_integers(0, 256)
                r = np.random.random_integers(0, 256)
                cv.circle(image, (j, i), 5, (int(b), int(g), int(r)), 2)
    # output
    return image

src = cv.imread("../images/box.bmp")
cv.imshow("input", src)
result = process(src)
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

角点是一幅图像上最明显与重要的特征，对于一阶导数而言，角点在各个方向的变化是最大的，而边缘区域在只是某一方向有明显变化

dst = cv.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])

• src单通道输入图像
• blockSize计算协方差矩阵的时候邻域像素大小
• ksize表示soble算子的大小
• k表示系数
• dst是输出response

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。