目标检测之Harris角点特征

本文主要是介绍目标检测之Harris角点特征，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

角点是图像的重要局部特征，可以简单的认为至少两个方向上图像灰度变化都比较大的点。

在实际的图像中，轮廓的拐角，线段的末端都是角点，角点特征信息量大，便于测量和表示，能够适应环境光照变化，在处理遮挡和几何变形问题时有显著优点。

在角点附近，图像的灰度梯度是不连续的，而且在角点临近区域，梯度有两个或者两个以上的不同值。

上段python 代码

#!/usr/bin/env pythonimport cv2
import numpy as npimg = cv2.imread('chess.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)dst = cv2.cornerHarris(gray,2,3,0.04)
dst = cv2.dilate(dst, None)img[dst>0.06*dst.max()] = [0,0,255]cv2.imshow('dst', img)
cv2.waitKey(0)

shi-tomasi角点是对harris的一种改进，原理稍后再补充

#!/usr/bin/env pythonimport cv2
import numpy as npimg = cv2.imread('chess.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)corners = cv2.goodFeaturesToTrack(gray,25, 0.01, 10)
print corners.shape
corners = np.int0(corners)
for i in corners:x,y=i.ravel()cv2.circle(img, (x,y), 3, 255, -1)
cv2.imshow('shi-tomasi', img)
cv2.waitKey(0)

这篇关于目标检测之Harris角点特征的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---