OpenCV特征提取與檢測之Harris角點檢測

更新時間：2021年08月19日 11:11:07 作者：程序媛一枚~

這篇文章主要給大家介紹了關(guān)于OpenCV特征提取與檢測之Harris角點檢測的相關(guān)資料,Harris角點檢測的目的是去分辨出圖像中的平面、邊界以及角點,文中通過示例代碼介紹的非常詳細(xì),需要的朋友可以參考下

前言

這篇博客將了解什么是特征，角點，哈里斯角點檢測（Harris Corner Detection）的概念。并使用cv2.cornerHarris()，cv2.cornerSubPix()實現(xiàn)哈里斯角點檢測；

1. 效果圖

原圖 VS Harris角點檢測效果圖如下：

驚細(xì)角點效果圖如下：Harris角點用紅色像素標(biāo)記，精細(xì)角點用綠色像素標(biāo)記

2. 原理

圖像最重要的一個要素是特征，一旦有了特征及其描述，就可以在所有圖像中找到相同的特征，并將它們對齊、縫合或執(zhí)行任何您想要的操作。

特征可分為角、邊、平面，OpenCV提供了許多不同的算法來查找特征、描述特征、匹配特征等。

角點是圖像中各個方向上強度變化較大的區(qū)域。

Harris角點檢測的結(jié)果是一個灰度圖像與這些分?jǐn)?shù)。對一個合適的圖像進行閾值化可以得到圖像中的角點。

dst = cv2.cornerHarris(gray, 2, 3, 0.04)

img：輸入圖像，灰度圖像，float32
blockSize: 用于角點檢測的鄰域的大小
ksize: Sobel導(dǎo)數(shù)的孔徑參數(shù)
k: 方程中的k-Harris檢測器自由參數(shù)
dst：返回值，灰度圖像

corners = cv2.cornerSubPix(gray, np.float32(centroids), (5, 5), (-1, -1), criteria)
具有亞像素精度的角點：有時可能需要以最大的精度找到角點。OpenCV附帶了一個函數(shù)cv2.cornerSubPix（），它可以進一步細(xì)化以亞像素精度檢測到的角點。

使用 Harris 角點檢測器檢查逆矩陣的相似性。它表示角點是更好的跟蹤點。

3. 源碼

3.1 Harris角點檢測

# Harris角點檢測

import cv2
import numpy as np

img = cv2.imread('images/polygon.jpg')
img = cv2.imread('images/opencv_logo.jpg')
print(img.shape)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("origin", img)
cv2.waitKey(0)

gray = np.float32(gray)

# res = cv2.cornerHarris(gray, 2, 3, 0.04)
# - img： 輸入圖像，灰度圖像，float32
# - blockSize: 用于角點檢測的鄰域的大小
# - ksize: Sobel導(dǎo)數(shù)的孔徑參數(shù)
# - k: 方程中的k-Harris檢測器自由參數(shù)
# - res：返回值，灰度圖像
res = cv2.cornerHarris(gray, 2, 3, 0.04)

# 擴大標(biāo)記的內(nèi)容
res = cv2.dilate(res, None)

# 最佳閾值因圖而異
img[res > 0.01 * res.max()] = [0, 0, 255]

cv2.imshow('Harris res', img)
if cv2.waitKey(0) & 0xff == 27:
    cv2.destroyAllWindows()

3.2 精細(xì)角點檢測

# 具有亞像素精度的角點
# 有時可能需要以最大的精度找到角點。OpenCV附帶了一個函數(shù)cv2.cornerSubPix（），它可以進一步細(xì)化以亞像素精度檢測到的角點。
import cv2
import imutils
import numpy as np

filename = 'images/polygon.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 尋找Harris角點
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)

# 尋找中心點
ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)

# 定義停止和細(xì)化角點的條件
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)

# 繪制角點和細(xì)化的亞像素點
res = np.hstack((centroids, corners))
res = np.int0(res)
# Harris角點用紅色像素標(biāo)記，精細(xì)角點用綠色像素標(biāo)記
img[res[:, 1], res[:, 0]] = [0, 0, 255]
img[res[:, 3], res[:, 2]] = [0, 255, 0]

gray = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)
cv2.imshow("gray", img)
gray[res[:, 1], res[:, 0]] = [0, 0, 255]
gray[res[:, 3], res[:, 2]] = [0, 255, 0]

cv2.imshow('cornerSubPix res', imutils.resize(img, width=600))
cv2.waitKey(0)

參考 https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_features_harris/py_features_harris.html#harris-corners