图像的角点检测

图像的角点检测

角点就是极值点，也就是在图像当中某方面属性特别突出的点，他们通常是图像中非常重要的特征，通过角点检测，我们可以我们感兴趣的点或区域。由于角点检测具有实时和稳定等优点，因此运动检测、图像匹配、视频跟踪、三维建模等过程中被大量应用。

opencv已经集成了多种角点检测的方法，我们先来大致感受一下效果：

原始图像

角点检测结果（红色的点即为角点）

Harris 角点检测

Harris 角点检测的结果是一个由角点分数构成的灰度图像。

opencv角点检测函数：

cv2.cornerHarris(): 角点检测

方法演示及结果：

gray = cv2.cvtColor(ori_img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray) ### 转为浮点型
dst = cv2.cornerHarris(gray,2,3,0.04)
dst = cv2.dilate(dst,None)
ori_img[dst>0.01*dst.max()]=[0,0,255]

cv2.cornerSubPix()：亚像素级精确度角点检测

img = ori_img.copy()
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)
dst = cv2.dilate(dst,None)
ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0)
dst = np.uint8(dst)
ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.5)
corners = cv2.cornerSubPix(gray,np.float32(centroids),(5,5),(-1,-1),criteria)
res = np.hstack((centroids,corners))
res = np.int0(res)
img[res[:,1],res[:,0]]=[0,0,255]
img[res[:,3],res[:,2]] = [0,255,0]

Shi-Tomasi 角点检测：适合于跟踪的图像特征

角点检测技术：Shi-Tomasi 焦点检测，OpenCV 提供了函数cv2.goodFeaturesToTrack()。这个函数可以 帮我们使用 Shi-Tomasi 方法获取图像中 N 个最好的角点。

方法演示及结果：

url_path = 'https://img1.baidu.com/it/u=2600488454,286252947&fm=253&fmt=auto&app=138&f=PNG?w=500&h=500'
ori_img = url2img(url_path)
img = ori_img.copy()
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray,25,0.01,10)
corners = np.int0(corners)
for i in corners:
    x,y = i.ravel()
    cv2.circle(img,(x,y),3,(0,0,255),-1)
plt.imshow(img[:,:,::-1]) ,plt.title("goodFeaturesToTrack检测结果"), plt.axis('off')

SURF 加速稳健特征

SIFT效算法进行关键点检测和描述，检测效果优良，是速度比慢，未出产生SURF。我们可以使用opencv 函数 SURF.detect()，SURF.compute() 等 来进行关键点描述。