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()

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)

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。