32 OpenCV Harris角点检测

2024-05-06 08:52
文章标签 opencv 检测 角点 harris 32

本文主要是介绍32 OpenCV Harris角点检测,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!

文章目录

  • cornerHarris 算子
  • 示例

角点检测

cornerHarris 算子

void cv::cornerHarris ( InputArray  src,OutputArray dst,int  blockSize,int ksize,double K,int borderType = BORDER_DEFAULT)
src:待检测Harris角点的输入图像,图像必须是CV 8U或者CV 32F的单通道灰度图像
dst: 存放Harris评价系数的R矩阵,数据类型为CV 32F的单通道图像,与输入图像具有相同的尺寸
blockSize:邻域大小
ksize: Sobel算子的半径,用于得到梯度信息   
k:计算Harris评价系数R的权重系数
borderType:像素外推算法标志

示例

#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;// 声明全局变量,用于存储输入图像和处理后的图像,以及阈值和最大阈值计数。
Mat src, gray_src;
int thresh = 130;
int max_count = 255;// 定义输出窗口的标题。
const char* output_title = "HarrisCornerDetection Result";// 执行Harris角点检测并显示结果的函数。
void Harris_Demo(int, void*);int main(int argc, char** argv) {// 加载输入图像。src = imread("D:/vcprojects/images/home.jpg");if (src.empty()) {printf("无法加载图像...\n");return -1;}// 在窗口中显示输入图像。namedWindow("输入图像", CV_WINDOW_AUTOSIZE);imshow("输入图像", src);// 创建窗口以显示Harris角点检测结果。namedWindow(output_title, CV_WINDOW_AUTOSIZE);// 将输入图像转换为灰度图像。cvtColor(src, gray_src, COLOR_BGR2GRAY);// 创建一个滑动条,用于交互式调整阈值值。createTrackbar("阈值:", output_title, &thresh, max_count, Harris_Demo);// 首先执行Harris角点检测。Harris_Demo(0, 0);// 无限等待按键。waitKey(0);return 0;
}// 执行Harris角点检测的函数。
void Harris_Demo(int, void*) {// 初始化变量,用于存储Harris角点检测的输出。Mat dst, norm_dst, normScaleDst;// 初始化Harris角点检测算法的参数。int blockSize = 2;int ksize = 3;double k = 0.04;// 将Harris角点检测算法应用于灰度输入图像。cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);// 将输出归一化到范围[0, 255]。normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());// 将归一化输出转换为8位无符号整数。convertScaleAbs(norm_dst, normScaleDst);// 创建输入图像的副本,在其上绘制检测到的角点。Mat resultImg = src.clone();// 遍历归一化输出中的每个像素。for (int row = 0; row < resultImg.rows; row++) {//获取 normScaleDst 图像的第 row 行的指针,这样就可以通过该指针访问该行的像素值uchar* currentRow = normScaleDst.ptr(row);for (int col = 0; col < resultImg.cols; col++) {// 获取当前像素的值。int value = (int)*currentRow;// 如果值超过阈值,则在相应位置绘制一个圆圈。if (value > thresh) {circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);}// 移动到行中的下一个像素。currentRow++;}}// 显示带有检测到的角点的结果图像。imshow(output_title, resultImg);
}

在这里插入图片描述

这篇关于32 OpenCV Harris角点检测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!



http://www.chinasem.cn/article/963933

相关文章

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR(光学

Java中的Opencv简介与开发环境部署方法

《Java中的Opencv简介与开发环境部署方法》OpenCV是一个开源的计算机视觉和图像处理库,提供了丰富的图像处理算法和工具,它支持多种图像处理和计算机视觉算法,可以用于物体识别与跟踪、图像分割与... 目录1.Opencv简介Opencv的应用2.Java使用OpenCV进行图像操作opencv安装j

opencv实现像素统计的示例代码

《opencv实现像素统计的示例代码》本文介绍了OpenCV中统计图像像素信息的常用方法和函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 统计像素值的基本信息2. 统计像素值的直方图3. 统计像素值的总和4. 统计非零像素的数量

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景