数据结构
网络
关系数据库管理系统
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
服装设计
法律研究如何在 OpenCV Python 中检测和绘制 FAST 特征点？
FAST（加速分段测试特征）是一种高速角点检测算法。我们使用FAST算法来检测图像中的特征。我们首先使用cv2.FastFeatureDetector_create()创建一个FAST对象。然后使用fast.detect()检测特征点，其中fast是创建的FAST对象。要绘制特征点，我们使用cv2.drawKeypoints()。
步骤
要使用 FAST 特征检测器在输入图像中检测和绘制特征点，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。
使用默认值初始化FAST对象，例如fast=cv2.FastFeatureDetector_create()。您可以选择使用fast.setNonmaxSuppression(0)将非最大抑制设置为False。
检测灰度图像中的特征点。使用fast.detect(gray, None)。它返回关键点kp。
在图像cv2.drawKeypoints()函数上绘制检测到的关键点kp。
显示带有绘制关键点的图像。
让我们看看使用 FAST 特征检测器在输入图像中检测和绘制特征点的示例。
输入图像
我们将在下面的示例中使用以下图像作为输入文件。
示例
在此程序中，我们使用 FAST 算法检测和绘制特征点。默认的nonmaxSuppression设置为True。
# import required libraries import cv2 # read input image img = cv2.imread('architecture.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Initiate FAST object with default values fast = cv2.FastFeatureDetector_create() # find the keypoints on image (grayscale) kp = fast.detect(gray,None) # draw keypoints in image img2 = cv2.drawKeypoints(img, kp, None) # Print all default params print("Threshold: ", fast.getThreshold()) print("nonmaxSuppression: ", fast.getNonmaxSuppression()) print("neighborhood: ", fast.getType()) print("Total Keypoints with nonmaxSuppression: ", len(kp)) # display the image with keypoints drawn on it cv2.imshow("Keypoints with nonmaxSuppression", img2) cv2.waitKey(0) cv2.destroyAllWindows()
输出
执行后，它将产生以下输出：
Threshold: 10 nonmaxSuppression: True neighborhood: 2 Total Keypoints with nonmaxSuppression: 5791
我们得到以下窗口，显示带有绘制关键点的图像：
示例
在此程序中，我们使用 FAST 算法检测和绘制特征点。我们将nonmaxSuppression设置为False。
# import required libraries import cv2 # read input image img = cv2.imread('architecture.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Initiate FAST object with default values fast = cv2.FastFeatureDetector_create() # Disable nonmaxSuppression fast.setNonmaxSuppression(0) # find the keypoints on image (grayscale) kp = fast.detect(gray,None) # Print all default params print("Threshold: ", fast.getThreshold()) print("nonmaxSuppression: ", fast.getNonmaxSuppression()) print("neighborhood: ", fast.getType()) print("Total Keypoints without nonmaxSuppression: ", len(kp)) img2 = img.copy() img2 = cv2.drawKeypoints(img2, kp, None) # display the image with keypoints drawn on it cv2.imshow('Keypoints without nonmaxSuppression',img2) cv2.waitKey(0) cv2.destroyAllWindows()
输出
执行后，它将产生以下输出
Threshold: 10 nonmaxSuppression: False neighborhood: 2 Total Keypoints without nonmaxSuppression: 27101
我们得到以下窗口，显示带有绘制关键点的图像：
我们注意到，当nonmaxSuppression为False时，检测到的关键点总数比nonmaxSuppression为True时更多。
3K+ 浏览量
