OpenCV-图像特征harris角点检测/SIFT函数/特征匹配-05

图像特征-harris角点检测

基本原理

R>0 角点
R≈0 平坦区域
R<0 边界

总结一下Harris算法流程

获取点数据后,计算Ix 和 Iy
整合矩阵,求特征值
比较特征值大小
非极大值抑制NMS,过滤掉不是那么角的

OpenCV中怎么检测Harris

cv2.cornerHarris()
img： 数据类型为 float32 的入图像
blockSize： 角点检测中指定区域的大小，前面提到的w(u,v),可能是个高斯函数
ksize： 就像Sobel求导中使用的窗口大小
k： 取值参数为 [0,04,0.06]. 默认0.04
返回dst：输出图像

import cv2 
import numpy as np

img = cv2.imread('chessboard.jpg') #读取图片
print ('img.shape:',img.shape)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 转换成灰度图
# gray = np.float32(gray)
dst = cv2.cornerHarris(gray, 2, 3, 0.04) # 执行检测
print ('dst.shape:',dst.shape)

# dst.max是最大值,一定是角点
# 只要dst中满足0.01倍的最大值，就判定为角点，要求较高的也可以设置为其他倍数
img[dst>0.01*dst.max()]=[0,0,255]
cv2.imshow('dst',img