OpenCV系列 | 角点检测（Harris与Shi-Tomasi）

0. 导入图像

import cv2
import matplotlib.pyplot as plt
import numpy as np
img = cv2.imread('picture.jpg')[:,:,::-1]
plt.imshow(img)
plt.show()

1. Harris

• cv2.cornerHarris( src, blockSize, ksize, k[, dst[, borderType]] )
• scr 为输入的图像，需为灰度图且应为 float32 类型
• blockSize 为角点检测考虑的邻域大小
• ksize 为 Sobel 导数的光圈参数

gray_img = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
gray = np.float32(gray_img)
dst = cv2.cornerHarris(gray,2,3,0.04)
# 结果用于标记角点，并不重要
dst = cv2.dilate(dst,None)
# 最佳值的阈值，它可能因图像而异。
img[dst>0.01*dst.max()] = [0,0,255]
plt.imshow(img)
plt.show()

输出结果：

2. Shi-Tomasi

• cv2.goodFeaturesToTrack( image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]] )
• image 为输入的图像，要求同 Harris 角点检测
• maxCorners 为想要检测的角点数目
• qualityLeve 为角点的最低质量，0 到 1之间。低于这个数的所有角点都会被忽略
• minDistance 为检测出的两个角点之间的最短欧式距离

img1 = cv2.imread('picture.jpg')
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray,200,0.01,10)
corners = np.int0(corners)
for i in corners:
    x,y = i.ravel()
    cv2.circle(img1,(x,y),3,255,-1)
plt.figure(figsize=(10,10))
plt.imshow(img1)
plt.show()

输出结果：