使用 Python OpenCV 中的 Harris 角点检测器检测角点

opencvpythonserver side programmingprogramming

在 OpenCV 中，Harris 角点检测器使用函数 cv2.cornerHarris() 实现。它接受四个参数:img、blockSize、ksize 和 k。其中 img 是灰度输入图像，数据类型为 float32，blockSize 是用于角点检测的邻域大小，ksize 是使用的 Sobel 导数的孔径参数，k 是方程中的 Harris 检测器自由参数。

步骤

要使用 Harris 角点检测器检测图像中的角点，您可以按照以下步骤操作

导入所需的库 OpenCV 和 NumPy。确保您已经安装了它们。
使用 cv2.imread() 方法读取输入图像。指定图像的完整路径。使用 cv2.cvtColor() 方法将输入图像转换为灰度图像。将灰度图像的数据类型转换为 np.float32。
对灰度图像 (float32) 应用 cv2.cornerHarris() 方法。将合适的 blockSize、ksize 和 k 作为参数传递给方法。
扩大结果以标记角点并应用阈值以获得最佳值。
显示检测到角点的图像。

让我们看看使用 Harris 角点检测器检测图像中角点的示例。

输入图像

我们在下面的示例中使用此图像作为输入文件。

示例

此程序演示了如何使用 Harris 角点检测器算法检测图像中的角点 −

# import required libraries
import cv2
import numpy as np

# load the input image
img = cv2.imread('sudoku.jpg')

# convert the input image into grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# modify the data type setting to 32-bit floating point
gray = np.float32(gray)

# apply the cv2.cornerHarris method to detect the corners
corners = cv2.cornerHarris(gray, 2, 3, 0.05)

#result is dilated for marking the corners
corners = cv2.dilate(corners, None)

# Threshold for an optimal value.
img[corners > 0.01 * corners.max()]=[0, 0, 255]

# the window showing output image with corners
cv2.imshow('Image with Corners', img)
cv2.waitKey(0)
cv2.destroyAllWindows()