opencv图像处理——图像特征-harris角点检测

目录

 角点

基本原理

角点检测

---

 角点

角点：沿水平和竖直方向滑动，灰度变化都很明显的区域。

基本原理

 如同下图所示，一个是平坦区域，一个是边缘。一个是角点，设置一个滑动窗口，无论朝那个方向移动，对应位置上的亮度都会有很大变化，

 

 R值：趋近于0，说明是平面区域

           小于0，是边界

           大于0，是角点

α的值增大，R值减小，降低角点检测的灵敏性，减少被检测角点的数量；

α值减小，R值增大，增加角点检测的灵敏性，增加被检测角点的数量。 

角点检测

 cv2.cornerHarris()

1. img:数据类型为float32的入图像
2. blockSize：角点检测中指定区域的大小
3. ksize：Sobel求导中使用的窗口大小，一般为3
4. k：取值参数为【0.04,0.06】，默认0.04

 完整代码

import cv2
import numpy as np

img=cv2.imread('E:/OpenCV/image/1.png')
print('img.shape:',img.shape)
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#gray=np.float32(gray)
dst=cv2.cornerHarris(gray,2,3,0.04)#某个位置的自相似程度（变化程度）
print('dst.shape:',dst.shape)

img[dst>0.01*dst.max()]=[0,0,255]#不设固定值，一般与最大值相比，最大值肯定是角点，若大于此值，则认为该位置是角点，画出它，用红色画出
cv2.imshow('dst',img)
cv2.waitKey(0)
cv2.destoryAllWindows()