最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

OpenCV特征提取與檢測(cè)之Shi-Tomasi角點(diǎn)檢測(cè)器

 更新時(shí)間:2021年08月19日 11:23:03   作者:程序媛一枚~  
在角點(diǎn)檢測(cè)的世界里哈瑞斯無(wú)疑是最重要的方法之一,但Shi-Tomasi作為改進(jìn)的算法也有很大應(yīng)用場(chǎng)景,尤其是動(dòng)態(tài)跟蹤用的還比較多,這篇文章主要給大家介紹了關(guān)于OpenCV特征提取與檢測(cè)之Shi-Tomasi角點(diǎn)檢測(cè)器的相關(guān)資料,需要的朋友可以參考下

前言

 角點(diǎn)通常被定義為兩條邊的交點(diǎn),或者說(shuō),角點(diǎn)的局部鄰域應(yīng)該具有兩個(gè)不同區(qū)域的不同方向的邊界。角點(diǎn)檢測(cè)(Corner Detection)是計(jì)算機(jī)視覺(jué)系統(tǒng)中獲取圖像特征的一種方法,廣泛應(yīng)用于運(yùn)動(dòng)檢測(cè)、圖像匹配、視頻跟蹤、三維重建和目標(biāo)識(shí)別等,也可稱(chēng)為特征點(diǎn)檢測(cè)。

角點(diǎn)檢測(cè)算法的基本思想:

使用一個(gè)固定窗口在圖像上進(jìn)行任意方向上的滑動(dòng),比較滑動(dòng)前與滑動(dòng)后兩種情況,窗口中的像素灰度變化程度,如果存在任意方向上的滑動(dòng),都有著較大灰度變化,那么我們可以認(rèn)為該窗口中存在角點(diǎn)。

目前,角點(diǎn)檢測(cè)算法還不是十分完善,許多算法需要依賴(lài)大量的訓(xùn)練集和冗余數(shù)據(jù)來(lái)防止和減少錯(cuò)誤的特征的出現(xiàn)。對(duì)于角點(diǎn)檢測(cè)算法的重要評(píng)價(jià)標(biāo)準(zhǔn)是:其對(duì)多幅圖像中相同或者相似特征的檢測(cè)能力,并且能夠應(yīng)對(duì)光照變化、或者圖像旋轉(zhuǎn)等影響。

關(guān)于角點(diǎn)的具體描述可以有幾種:

  • 一階導(dǎo)數(shù)(即灰度的梯度)的局部最大所對(duì)應(yīng)的像素點(diǎn);
  • 兩條及兩條以上邊緣的交點(diǎn);
  • 圖像中梯度值和梯度方向的變化速率都很高的點(diǎn);
  • 角點(diǎn)處的一階導(dǎo)數(shù)最大,二階導(dǎo)數(shù)為零,指示物體邊緣變化不連續(xù)的方向

上一篇博客介紹了Harris角點(diǎn)檢測(cè)器,這篇博客將介紹另一個(gè)角點(diǎn)檢測(cè)器:Shi-Tomasi角點(diǎn)檢測(cè)器。

Shi-Tomasi角點(diǎn)檢測(cè)器是Harris角點(diǎn)檢測(cè)器的優(yōu)化,效果更好;

cv2.goodFeaturesToTrack(),通過(guò)Shi-Tomasi方法(或者Harris角點(diǎn)檢測(cè))在圖像中找到N個(gè)最強(qiáng)的角點(diǎn)。并且在跟蹤對(duì)象方面性能很好。

1. 效果圖

原圖 VS Harris角點(diǎn)檢測(cè)器效果如下:

原圖 VS Shi-Tomasi角點(diǎn)檢測(cè)效果圖如下:

可以看出Shi-Tomasi確實(shí)效果要好一些,所有角點(diǎn)均被成功檢測(cè);

2. 源碼

# Shi-Tomasi角點(diǎn)檢測(cè)是Harris角點(diǎn)檢測(cè)的優(yōu)化,更準(zhǔn)確,會(huì)檢測(cè)出N個(gè)最強(qiáng)角點(diǎn);

import cv2
import numpy as np
from matplotlib import pyplot as plt

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

plt.subplot(1, 2, 1)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.xticks([])
plt.yticks([])
plt.title("origin")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

corners = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10)
corners = np.int0(corners)

for i in corners:
    x, y = i.ravel()
    cv2.circle(img, (x, y), 3, 255, -1)

plt.subplot(1,2,2)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.xticks([])
plt.yticks([])
plt.title("Shi-Tomasi res")
plt.show()

參考 https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_shi_tomasi/py_shi_tomasi.html#shi-tomasi

總結(jié)

到此這篇關(guān)于OpenCV特征提取與檢測(cè)之Shi-Tomasi角點(diǎn)檢測(cè)器的文章就介紹到這了,更多相關(guān)OpenCV Shi-Tomasi角點(diǎn)檢測(cè)器內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

最新評(píng)論

清涧县| 四会市| 五河县| 漯河市| 读书| 富川| 昔阳县| 阳曲县| 汝南县| 上林县| 贺州市| 罗田县| 麻阳| 富宁县| 鄄城县| 呼图壁县| 抚松县| 万安县| 木兰县| 堆龙德庆县| 古丈县| 高青县| 铁力市| 馆陶县| 河南省| 焉耆| 安多县| 元阳县| 古交市| 聊城市| 西乌珠穆沁旗| 高阳县| 云霄县| 昭通市| 莱芜市| 化德县| 昭平县| 凤庆县| 个旧市| 旬阳县| 内丘县|