資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究使用 Python OpenCV 中的 Harris 角點檢測器檢測角點
在 OpenCV 中，Harris 角點檢測器使用函式cv2.cornerHarris()實現。它接受四個引數：img、blockSize、ksize和 k。其中 img 是灰度輸入影像，資料型別為 float32，blockSize是用於角點檢測的鄰域大小，ksize是所用 Sobel 導數的孔徑引數，k 是公式中的 Harris 檢測器自由引數。
步驟
要使用 Harris 角點檢測器在影像中檢測角點，您可以按照以下步驟操作
匯入所需的庫OpenCV和NumPy。確保您已安裝它們。
使用cv2.imread()方法讀取輸入影像。指定影像的完整路徑。使用cv2.cvtColor()方法將輸入影像轉換為灰度影像。將灰度影像的資料型別轉換為np.float32。
在灰度影像（float32）上應用cv2.cornerHarris()方法。將合適的blockSize、ksize和 k 作為引數傳遞給該方法。
膨脹結果以標記角點，並對最佳值應用閾值。
顯示檢測到角點的影像。
讓我們看看使用 Harris 角點檢測器在影像中檢測角點的示例。
輸入影像
我們在下面的示例中使用此影像作為輸入檔案。
示例
此程式演示如何使用 Harris 角點檢測器演算法在影像中檢測角點 -
# import required libraries import cv2 import numpy as np # load the input image img = cv2.imread('sudoku.jpg') # convert the input image into grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # modify the data type setting to 32-bit floating point gray = np.float32(gray) # apply the cv2.cornerHarris method to detect the corners corners = cv2.cornerHarris(gray, 2, 3, 0.05) #result is dilated for marking the corners corners = cv2.dilate(corners, None) # Threshold for an optimal value. img[corners > 0.01 * corners.max()]=[0, 0, 255] # the window showing output image with corners cv2.imshow('Image with Corners', img) cv2.waitKey(0) cv2.destroyAllWindows()
輸出
當我們執行以上程式碼時，它將生成以下輸出視窗 -
以上輸出影像顯示了使用 Harris 角點檢測器檢測到的角點。角點以紅色顯示。
更新於： 2022年12月2日
3K+ 瀏覽量
廣告