前言
這篇博客將了解什么是特征，角點，哈里斯角點檢測（Harris Corner Detection）的概念。并使用cv2.cornerHarris()，cv2.cornerSubPix()實現哈里斯角點檢測；
1. 效果圖
原圖 VS Harris角點檢測效果圖如下：
原圖 VS Harris角點檢測效果圖如下：
驚細角點效果圖如下：Harris角點用紅色像素標記，精細角點用綠色像素標記
驚細角點效果圖如下：Harris角點用紅色像素標記，精細角點用綠色像素標記
2. 原理
圖像最重要的一個要素是特征，一旦有了特征及其描述，就可以在所有圖像中找到相同的特征，并將它們對齊、縫合或執行任何您想要的操作。
特征可分為角、邊、平面，OpenCV提供了許多不同的算法來查找特征、描述特征、匹配特征等。
角點是圖像中各個方向上強度變化較大的區域。
Harris角點檢測的結果是一個灰度圖像與這些分數。對一個合適的圖像進行閾值化可以得到圖像中的角點。
dst = cv2.cornerHarris(gray, 2, 3, 0.04)
img： 輸入圖像，灰度圖像，float32
blockSize: 用于角點檢測的鄰域的大小
ksize: Sobel導數的孔徑參數
k: 方程中的k-Harris檢測器自由參數
dst：返回值，灰度圖像
corners = cv2.cornerSubPix(gray, np.float32(centroids), (5, 5), (-1, -1), criteria)
具有亞像素精度的角點：有時可能需要以最大的精度找到角點。OpenCV附帶了一個函數cv2.cornerSubPix（），它可以進一步細化以亞像素精度檢測到的角點。
使用 Harris 角點檢測器檢查逆矩陣的相似性。它表示角點是更好的跟蹤點。
3. 源碼
3.1 Harris角點檢測
# Harris角點檢測
import cv2
import numpy as np
img = cv2.imread('images/polygon.jpg')
img = cv2.imread('images/opencv_logo.jpg')
print(img.shape)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("origin", img)
cv2.waitKey(0)
gray = np.float32(gray)
# res = cv2.cornerHarris(gray, 2, 3, 0.04)
# - img： 輸入圖像，灰度圖像，float32
# - blockSize: 用于角點檢測的鄰域的大小
# - ksize: Sobel導數的孔徑參數
# - k: 方程中的k-Harris檢測器自由參數
# - res：返回值，灰度圖像
res = cv2.cornerHarris(gray, 2, 3, 0.04)
# 擴大標記的內容
res = cv2.dilate(res, None)
# 最佳閾值因圖而異
img[res > 0.01 * res.max()] = [0, 0, 255]
cv2.imshow('Harris res', img)
if cv2.waitKey(0) 0xff == 27:
cv2.destroyAllWindows()
3.2 精細角點檢測
# 具有亞像素精度的角點
# 有時可能需要以最大的精度找到角點。OpenCV附帶了一個函數cv2.cornerSubPix（），它可以進一步細化以亞像素精度檢測到的角點。
import cv2
import imutils
import numpy as np
filename = 'images/polygon.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 尋找Harris角點
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)
# 尋找中心點
ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)
# 定義停止和細化角點的條件
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001)
corners = cv2.cornerSubPix(gray, np.float32(centroids), (5, 5), (-1, -1), criteria)
# 繪制角點和細化的亞像素點
res = np.hstack((centroids, corners))
res = np.int0(res)
# Harris角點用紅色像素標記，精細角點用綠色像素標記
img[res[:, 1], res[:, 0]] = [0, 0, 255]
img[res[:, 3], res[:, 2]] = [0, 255, 0]
gray = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)
cv2.imshow("gray", img)
gray[res[:, 1], res[:, 0]] = [0, 0, 255]
gray[res[:, 3], res[:, 2]] = [0, 255, 0]
cv2.imshow('cornerSubPix res', imutils.resize(img, width=600))
cv2.waitKey(0)
參考 https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_features_harris/py_features_harris.html#harris-corners
總結
到此這篇關于OpenCV特征提取與檢測之Harris角點檢測的文章就介紹到這了,更多相關OpenCV Harris角點檢測內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python使用Opencv實現圖像特征檢測與匹配的方法
- opencv2基于SURF特征提取實現兩張圖像拼接融合
- Android基于OpenCV實現Harris角點檢測
- OpenCV哈里斯(Harris)角點檢測的實現
- Python中OpenCV圖像特征和harris角點檢測
