数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究使用 Python OpenCV 中的 Harris 角点检测器检测角点
在 OpenCV 中，Harris 角点检测器使用函数cv2.cornerHarris()实现。它接受四个参数：img、blockSize、ksize和 k。其中 img 是灰度输入图像，数据类型为 float32，blockSize是用于角点检测的邻域大小，ksize是所用 Sobel 导数的孔径参数，k 是公式中的 Harris 检测器自由参数。
步骤
要使用 Harris 角点检测器在图像中检测角点，您可以按照以下步骤操作
导入所需的库OpenCV和NumPy。确保您已安装它们。
使用cv2.imread()方法读取输入图像。指定图像的完整路径。使用cv2.cvtColor()方法将输入图像转换为灰度图像。将灰度图像的数据类型转换为np.float32。
在灰度图像（float32）上应用cv2.cornerHarris()方法。将合适的blockSize、ksize和 k 作为参数传递给该方法。
膨胀结果以标记角点，并对最佳值应用阈值。
显示检测到角点的图像。
让我们看看使用 Harris 角点检测器在图像中检测角点的示例。
输入图像
我们在下面的示例中使用此图像作为输入文件。
示例
此程序演示如何使用 Harris 角点检测器算法在图像中检测角点 -
# import required libraries import cv2 import numpy as np # load the input image img = cv2.imread('sudoku.jpg') # convert the input image into grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # modify the data type setting to 32-bit floating point gray = np.float32(gray) # apply the cv2.cornerHarris method to detect the corners corners = cv2.cornerHarris(gray, 2, 3, 0.05) #result is dilated for marking the corners corners = cv2.dilate(corners, None) # Threshold for an optimal value. img[corners > 0.01 * corners.max()]=[0, 0, 255] # the window showing output image with corners cv2.imshow('Image with Corners', img) cv2.waitKey(0) cv2.destroyAllWindows()
输出
当我们执行以上代码时，它将生成以下输出窗口 -
以上输出图像显示了使用 Harris 角点检测器检测到的角点。角点以红色显示。
更新于： 2022年12月2日
3K+ 浏览量
广告