python+OpenCV笔记（二十三）：Harris角点检测

Harris角点检测

原理

python+OpenCV笔记（二十二）：角点检测原理（Harris角点检测原理、Shi-Tomasi角点检测原理）https://blog.csdn.net/qq_45832961/article/details/122547958OpenCV API

dst = cv2.cornerHarris(img, blockSize, ksize, k)

参数：

1. src：数据类型为 float32 的的输入图像
2. blockSize：角点检测中要考虑的领域大小
3. ksize：Sobel求导使用的核大小（取值参考范围为3~31之间的奇数值，值越小越灵敏）
4. k：角点检测方程中的自由参数，取值参数为[0.04,0.06]

优缺点：

• 即使图像发生旋转，Harris 也能检测到这些角点，但如果将图像缩小到更小或者更大的尺寸，图像的某些部分可能丢失高质量的角点。
  这时，我么可以使用尺度不变特征变换（SIFT）或者SURF来完成。

代码编写

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

src = cv.imread("E:\\Harris.png")
img = src.copy()
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
img_gray = np.float32(img_gray)  # 输入图像必须是float32

# Harris角点检测
dst = cv.cornerHarris(img_gray, 2, 3, 0.04)

# 返回的dst是浮点格式的图像，该图像中的每个值表示原图像对应像素的一个分值，中等或者高
# 分值表明像素很可能是一个角点，反之可以视为非角点。
# 我们选取的像素的分值至少是最高分值的0.1%，并绘制成绿色
img[dst > 0.001 * dst.max()] = [0, 255, 0]

# 显示图像
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)
axes[0].imshow(src[:, :, ::-1])
axes[0].set_title("原图")
axes[1].imshow(img[:, :, ::-1])
axes[1].set_title("Harris角点检测后的图像")
plt.show()

 局部放大后有