資料結構
網路
關係資料庫管理系統
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
服裝設計
法律研究如何在 OpenCV Python 中檢測和繪製 FAST 特徵點？
FAST（加速分段測試特徵）是一種高速角點檢測演算法。我們使用FAST演算法來檢測影像中的特徵。我們首先使用cv2.FastFeatureDetector_create()建立一個FAST物件。然後使用fast.detect()檢測特徵點，其中fast是建立的FAST物件。要繪製特徵點，我們使用cv2.drawKeypoints()。
步驟
要使用 FAST 特徵檢測器在輸入影像中檢測和繪製特徵點，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。
使用預設值初始化FAST物件，例如fast=cv2.FastFeatureDetector_create()。您可以選擇使用fast.setNonmaxSuppression(0)將非最大抑制設定為False。
檢測灰度影像中的特徵點。使用fast.detect(gray, None)。它返回關鍵點kp。
在影像cv2.drawKeypoints()函式上繪製檢測到的關鍵點kp。
顯示帶有繪製關鍵點的影像。
讓我們看看使用 FAST 特徵檢測器在輸入影像中檢測和繪製特徵點的示例。
輸入影像
我們將在下面的示例中使用以下影像作為輸入檔案。
示例
在此程式中，我們使用 FAST 演算法檢測和繪製特徵點。預設的nonmaxSuppression設定為True。
# import required libraries import cv2 # read input image img = cv2.imread('architecture.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Initiate FAST object with default values fast = cv2.FastFeatureDetector_create() # find the keypoints on image (grayscale) kp = fast.detect(gray,None) # draw keypoints in image img2 = cv2.drawKeypoints(img, kp, None) # Print all default params print("Threshold: ", fast.getThreshold()) print("nonmaxSuppression: ", fast.getNonmaxSuppression()) print("neighborhood: ", fast.getType()) print("Total Keypoints with nonmaxSuppression: ", len(kp)) # display the image with keypoints drawn on it cv2.imshow("Keypoints with nonmaxSuppression", img2) cv2.waitKey(0) cv2.destroyAllWindows()
輸出
執行後，它將產生以下輸出：
Threshold: 10 nonmaxSuppression: True neighborhood: 2 Total Keypoints with nonmaxSuppression: 5791
我們得到以下視窗，顯示帶有繪製關鍵點的影像：
示例
在此程式中，我們使用 FAST 演算法檢測和繪製特徵點。我們將nonmaxSuppression設定為False。
# import required libraries import cv2 # read input image img = cv2.imread('architecture.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Initiate FAST object with default values fast = cv2.FastFeatureDetector_create() # Disable nonmaxSuppression fast.setNonmaxSuppression(0) # find the keypoints on image (grayscale) kp = fast.detect(gray,None) # Print all default params print("Threshold: ", fast.getThreshold()) print("nonmaxSuppression: ", fast.getNonmaxSuppression()) print("neighborhood: ", fast.getType()) print("Total Keypoints without nonmaxSuppression: ", len(kp)) img2 = img.copy() img2 = cv2.drawKeypoints(img2, kp, None) # display the image with keypoints drawn on it cv2.imshow('Keypoints without nonmaxSuppression',img2) cv2.waitKey(0) cv2.destroyAllWindows()
輸出
執行後，它將產生以下輸出
Threshold: 10 nonmaxSuppression: False neighborhood: 2 Total Keypoints without nonmaxSuppression: 27101
我們得到以下視窗，顯示帶有繪製關鍵點的影像：
我們注意到，當nonmaxSuppression為False時，檢測到的關鍵點總數比nonmaxSuppression為True時更多。
3K+ 瀏覽量
