前言:
此刻看官们对“opencv角点检测函数”都比较着重,各位老铁们都想要分析一些“opencv角点检测函数”的相关知识。那么小编在网摘上网罗了一些对于“opencv角点检测函数””的相关资讯,希望同学们能喜欢,咱们快快来了解一下吧!1. 角点检测
角点:角点是图像里在各个方向变化最大的区域。无论是沿水平方向或竖直方向移动过程中,整个图像的灰度级发生迅速变化。
边界:沿水平或者竖直方向移动,一个比较平稳一个比较迅速。
角点检测函数
cv2.cornerHarris(src, blockSize, ksize, k, borderType=None)
src:数据类型为float32的输入图像blockSize:角点检测中指定窗口的大小ksize:Sobel算子求导中使用的核大小,一般等于3k:取值参数,取值范围[0.04,0.06],一般使用0.04borderType:边界的类型
原理见:
import cv2import numpy as npfilepath = 'C:\\...\\opencv\\img'#(1)读入图像img = cv2.imread(filepath + '\\chess2.jpg')# 转换灰度图gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 输入图像为float32类型# gray = np.float32(gray)# 绘图cv2.imshow('gray',gray)cv2.waitKey(0)cv2.destroyWindow()#(2)角点检测,窗口为2,核为3,系数0.04dst = cv2.cornerHarris(gray,2,3,0.04)# dst.max()最大值,肯定是角点# 如果变化程度dst大于0.1倍的最大值,就认为是个角点,参数自己调img[dst>0.1*dst.max()] = [0,0,255] #把满足要求的点标红# 绘图cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyWindow()2. 图像金字塔
高斯金字塔
(1)向下采样(缩小),形状慢慢往里缩,下宽上窄。先将Gi与高斯内核卷积,再将所有偶数的行和列去除。长度和宽度都变成一半,从8*8变成4*4
(2)向上采样(放大),上层宽,下层窄。将图像在每个方向上扩大为原来的两倍,新增的行和列以0填充。使用同样的内核与放大后的图像卷积,获得近似值。
import cv2import numpy as np# 获取图片所在文件夹filepath = 'C:\\...\\opencv\\img'# 获取文件夹中的某一张图片,一般边缘检测使用灰度图img = cv2.imread(filepath+'\\mh1.jpg',cv2.IMREAD_GRAYSCALE)print(up.shape) # (471,498) # ==1==# 上采样up = cv2.pyrUp(img) # 放大cv_show('up',up) print(up.shape) # (942,996)# 再执行一次上采样up = cv2.pyrUp(up) # 放大cv_show('up',up)print(up.shape) # (1884, 1992) # ==2==# 下采样down = cv2.pyrDown(img) # 缩小cv_show('down',down)print(down.shape) # (236,249)# 再执行一次下采样down = cv2.pyrDown(down) # 缩小cv_show('down',down)print(down.shape) # (118,125) # ==3==# 上采样后又变成下采样,不会变回原图像,清晰度受损,但是size相同# 上采样过程中用0填充有损失,下采样过程中去掉一些值也有损失up = cv2.pyrUp(img)res = cv2.pyrDown(up)cv_show('up-down',res)print(res.shape)最后有惊喜(别错过哦)
跻身大厂是每一个程序员的梦想,也希望有机会可以大放异彩,成绩斐然。不过,不积跬步无以至千里,理想和现实的距离是需要努力来不断缩短的。
所以这里我准备了一些礼包,希望能够帮助到各位小伙伴。
★礼包1
如果对学习没有自制力或者没有一起学习交流的动力,欢迎私信或者评论区留言,我会拉你进学习交流群,我们一起交流学习,报团打卡,群内更有众多福利等你来解锁哟,赶快加入我们吧!
★礼包2
❶Python全套电子书,200本总共6个G电子书资料,囊括Python各大领域。
❷Python练手项目,包括爬虫、数据分析、机器学习、人工智能、小游戏开发。
标签: #opencv角点检测函数