Harris角点检测

OpenCV

Harris角点检测API

---

---

前言

例如：随着人工智能的不断发展，计算机视觉这门技术也越来越重要，很多人都开启了学习计算机视觉，本文就介绍了计算机视觉的基础内容。

---

一、什么是特征？

图像特征就是指有意义的图像区域，具有独特性、易于识别性，比如角点、斑点以及高密度区

二、角点？

• 在特征中最重要的是角点
• 灰度梯度的最大值对应的像素
• 两条线的交点
• 极值点（一阶导数最大值，但二阶导数为0）

1.Harris角点

Harris点：检测窗口判断周围像素的变化

• 光滑地区，无论向哪里移动，衡量系数不变
• 边缘地址，垂直边缘移动时，衡量系数变化剧烈
• 在交点处，往哪个方向移动，衡量系数都变化剧烈

Harris角点检测API：

• cornerHarris(img,dst, blockSize, ksize, k)
• blockSize: 检测窗口大小
• ksize: Sobel的卷积核
• k: 权重系数，经验值，一般取 0.02~0.04之间

二、使用步骤

1.引入库

代码如下（示例）：

import cv2
import numpy as np

2.读入数据

代码如下（示例）：

blockSize = 2
ksize = 3
k = 0.04

img = cv2.imread('./chess.png')
sc_img = cv2.imread('chess.png',cv2.IMREAD_GRAYSCALE)

#灰度化
sc_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#Harris角点检测
dst = cv2.cornerHarris(sc_img, blockSize, ksize, k) #该函数的源矩阵（第一个参数）必须是单通道图像

#Harris角点展示
img[dst>0.01*dst.max()] = [0,0,255]

cv2.imshow('harris', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

该处使用的url网络请求的数据。

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了Harris的使用，而OpenCV提供了大量能使我们快速便捷地处理图片的函数和方法。