小白学Python——玩转OpenCV的角点检测

开发工具

2024-02-01 08:11:34

角点检测的基本原理

角点是指图像中像素亮度发生剧烈变化的点，通常与图像的边缘或轮廓相关。角点检测算法的目标是找到这些具有显著亮度变化的像素点，以帮助提取图像中的特征信息。

OpenCV中的Harris角点检测

Harris角点检测算法是一种广泛使用的角点检测算法，它通过计算图像中每个像素的角点响应值来检测角点。角点响应值越高，表示该像素点越可能是一个角点。Harris角点检测算法的计算步骤如下：

计算图像中每个像素点的梯度值。
计算图像中每个像素点的角点响应值。
对角点响应值进行阈值处理，得到角点候选点。
对角点候选点进行非极大值抑制，得到最终的角点。

OpenCV中的Shi-Tomasi角点检测

Shi-Tomasi角点检测算法是另一种常用的角点检测算法，它通过计算图像中每个像素点的最小特征值来检测角点。最小特征值越小，表示该像素点越可能是一个角点。Shi-Tomasi角点检测算法的计算步骤如下：

计算图像中每个像素点的梯度值。
计算图像中每个像素点的最小特征值。
对最小特征值进行阈值处理，得到角点候选点。
对角点候选点进行非极大值抑制，得到最终的角点。

测试代码

import cv2

# 读入图像
image = cv2.imread('image.jpg')

# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Harris角点检测
corners_harris = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10)
corners_harris = np.intp(corners_harris)

# Shi-Tomasi角点检测
corners_shi_tomasi = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10)
corners_shi_tomasi = np.intp(corners_shi_tomasi)

# 绘制角点
for corner in corners_harris:
    x, y = corner.ravel()
    cv2.circle(image, (x, y), 5, (0, 255, 0), -1)

for corner in corners_shi_tomasi:
    x, y = corner.ravel()
    cv2.circle(image, (x, y), 5, (0, 0, 255), -1)

# 显示图像
cv2.imshow('Harris角点检测', image)
cv2.waitKey(0)
cv2.destroyAllWindows()