python opencv入门 Harris角点检测(31)
来源:互联网 发布:淘宝全球购资质查询 编辑:程序博客网 时间:2024/06/05 16:05
内容来自OpenCV-Python Tutorials 自己翻译整理
角点检测原理参考此博客
目标:
理解Harris角点检测的概念
使用函数cv2.cornerHarris(),cv2.cornerSubPix()
原理:
借上面参考博客的一张图
Harris角点检测的方法大概原理就是建立一个窗口区域,然后以当前窗口为中心向各个方向进行偏移。
如上图所示,第一个窗口向各个方向偏移的时候,像素的值没有变化,因为窗口偏移的时候没有遇到任何边缘信息。
第二个图,窗口当中有一个直线,如果当前窗口进行上下的移动,也没回有像素值发生变化(在其他方向上灰度值也会变化)。
第三个图,窗口覆盖了一个“拐角”,如果窗口进行偏移,任何方向上都会有像素变化。
所以,第三张图片判断为检测到角点。
设图像
使用泰勒展开式对图像
上面公式右侧约等于
其中
将上面得到的结果代入第一个公式中
使用矩阵的表示方法就是
(图片来自上面的网站,为了方便,直接截图)
可以将图中的第一个公式看成是一个椭圆的方程,矩阵的特征值就是它的长轴和短轴长度。
记为
可以根据这些特征值判断一个区域是否是角点,这里使用打分函数
k值一般取0.04到0.06
- 当
λ1 和λ2 都小时,R也小,此区域平坦。 - 其中一个远大于另外一个时,R小于0,此区域为边缘
- 都很大的时候,R也很大,判断为角点。
如下图
方向导数
Harris角点检测的结果是灰度图,图中的值为角点检测的打分值。需要选取合适的阈值对结果进行二值化来检测角点。
opencv中的Harris检测方法
使用函数 cv2.cornerHarris()
参数如下:
- img 输入图像,数据类型为float32
- blockSize 角点检测当中的邻域值。
- ksize 使用Sobel函数求偏导的窗口大小
- k 角点检测参数,取值为0.04到0.06
代码如下
import cv2import numpy as npfilename = '2.jpg'img = cv2.imread(filename)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)gray = np.float32(gray)#图像转换为float32dst = cv2.cornerHarris(gray,2,3,0.04)#result is dilated for marking the corners, not importantdst = cv2.dilate(dst,None)#图像膨胀# Threshold for an optimal value, it may vary depending on the image.#print(dst)#img[dst>0.00000001*dst.max()]=[0,0,255] #可以试试这个参数,角点被标记的多余了一些img[dst>0.01*dst.max()]=[0,0,255]#角点位置用红色标记#这里的打分值以大于0.01×dst中最大值为边界cv2.imshow('dst',img)if cv2.waitKey(0) & 0xff == 27: cv2.destroyAllWindows()
能看到有些红点
如果打分值降低为0.00000001*dst.max()
结果如下
亚像素级精确度的角点
使用cv2.cornerSubPix()函数
首先找到Harris角点,然后将找到某个角点的所有角点坐标值的重心传入该函数(因为一个角点上面可能一堆找到的角点值,需要取重心)
红色标记Harris角点,绿色像素标记修正后的角点。进行迭代运算,迭代一定次数后停止即可。
import cv2import numpy as npfilename = 'chessboard2.jpg'img = cv2.imread(filename)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#找到Harris角点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)#找到重心ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)#定义迭代次数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)#返回角点#绘制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.imwrite('subpixel5.png',img)
其中用到的函数
connectedComponentsWithStats(InputArray image, OutputArray labels, OutputArray stats,OutputArray centroids, int connectivity=8, int ltype=CV_32S)计算连通分量,图像是一个被布尔型标记的4邻域或者8邻域的图像
cv2.cornerSubPix(image, corners, winSize, zeroZone, criteria)参数为输入图像;角点初始化坐标;搜索窗口边长的一半;zeroZone为搜索区域中间的盲区(dead region)边长的一半,有时用于避免自相关矩阵的奇异性。如果值设为(-1,-1)则表示没有这个区域;搜索终止条件返回的是一组角点
示例结果图片如下
- python opencv入门 Harris角点检测(31)
- Harris角点检测(Python-OpenCV)
- OpenCV + Python Harris角点检测
- Harris角点检测原理与opencv(python)实现
- opencv harris角点检测
- opencv-Harris 角点检测
- Opencv Harris角点检测
- python检测Harris角点
- Opencv学习笔记(五)Harris角点检测
- Opencv学习笔记(五)Harris角点检测
- Opencv学习笔记(五)Harris角点检测
- Opencv学习笔记(五)Harris角点检测
- Opencv学习笔记(五)Harris角点检测
- Opencv学习笔记(五)Harris角点检测
- Opencv学习笔记(五)Harris角点检测
- opencv学习_12 (harris角点检测)
- Opencv学习笔记------Harris角点检测
- opencv的Harris角点检测
- Numpy 使用详解
- 学生信息管理系统问题(一)
- hive导入和导出的几种方式
- 241. Different Ways to Add Parentheses
- Android -getApplicationContext和Context的区别
- python opencv入门 Harris角点检测(31)
- loadrunner Web_类函数之web_file()
- vue简介及其安装
- 线程的基本概念?线程的基本状态以及状态之间的关系
- Golang实现正方教务系统爬虫(一)
- VirtualBox中,虚拟系统文件VDI移动或者复制
- loadrunner Web_类函数之web_find()
- ImageLoder添加图片
- 进程与线程之间的关系