OpenCV哈里斯角檢測怎么應用

這篇文章主要講解了“OpenCV哈里斯角檢測怎么應用”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“OpenCV哈里斯角檢測怎么應用”吧！

理論

可以用如下圖來表示：

因此，Harris Corner Detection的結果是具有這些分數(shù)的灰度圖像。合適的閾值可提供圖像的各個角落。

OpenCV中的哈里斯角檢測

在OpenCV中有實現(xiàn)哈里斯角點檢測，cv2.cornerHarris()。其參數(shù)為：

dst = cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]] )

• src - 輸入圖像，灰度和float32類型

• blockSize - 是拐角檢測考慮的鄰域大小

• ksize - 使用的Sobel導數(shù)的光圈參數(shù)

• k- 等式中的哈里斯檢測器自由參數(shù)

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('chessboard.png')
img_copy = img.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dst = cv2.cornerHarris(gray, 2, 3, 0.04)
# result is dilated for marking the corners, not important
dst = cv2.dilate(dst, None)
# Threshold for an optimal value, it may vary depending on the image.
img[dst >0.01*dst.max()]=[255,0,0]
# plot
plt.subplot(121)
plt.imshow(img_copy, cmap='gray')
plt.xticks([])
plt.yticks([])
plt.subplot(122)
plt.imshow(img, cmap='gray')
plt.xticks([])
plt.yticks([])
plt.show()

以下是結果：

可以看到，各個角點已經標紅。

SubPixel精度的轉角

有時候可能需要找到最精確的角點。OpenCV附帶了一個函數(shù)cv2.cornerSubPix()，它進一步細化了以亞像素精度檢測到的角點。下面是一個例子。

• 和之前一樣，首先需要先找到哈里斯角點

• 然后通過這些角的質心(可能在一個角上有一堆像素，取它們的質心)來細化它們

• Harris角用紅色像素標記，SubPixel角用綠色像素標記

對于cv2.cornerSubPix()函數(shù)，必須定義停止迭代的條件。我們可以在特定的迭代次數(shù)或達到一定的精度后停止它。此外，還需要定義它將搜索角點的鄰居的大小。

corners = cv.cornerSubPix( image, corners, winSize, zeroZone, criteria )

• image: 輸入圖像，單通道

• corners: 輸入的初始坐標和為輸出提供的精制坐標

• winSize: 搜索窗口的一半側面長度

• zeroZone: 搜索區(qū)域中間的死區(qū)大小的一半在下面的公式中的求和,有時用于避免自相關矩陣的可能奇點。(−1,−1)(-1,-1)(−1,−1) 的值表示沒有這樣的尺寸

• criteria: 終止角點細化過程的條件

# sub pixel更精度角點
import cv2
import numpy as np
img = cv2.imread('chessboard2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# find Harris corners
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)
# find centroids
ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)
# define the criteria to stop and refine the corners
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)
# Now draw them
res = np.hstack((centroids,corners))
res = np.int0(res)
img[res[:,1],res[:,0]]=[0,0,255]
img[res[:,3],res[:,2]] = [0,255,0]
cv2.imshow('subpixel', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以下是結果, 可以看到SubPixel更精確一點：

感謝各位的閱讀，以上就是“OpenCV哈里斯角檢測怎么應用”的內容了，經過本文的學習后，相信大家對OpenCV哈里斯角檢測怎么應用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！