『youcans 的 OpenCV 例程300篇 - 总目录』

【youcans 的 OpenCV 例程 300篇】239. Harris 角点检测之精确定位（cornerSubPix）

角是直线方向的快速变化。角点通常被定义为两条边的交点，或者说角点的邻域应该具有两个不同区域的不同方向的边界。

角是高度有效的特征。角点检测（Corner Detection）广泛应用于运动检测、图像匹配、视频跟踪、三维重建和目标识别。

6.2 OpenCV 中的 Harris 角检测器

OpenCV 中提供了 Harris 角点检测函数 cv.cornerHarris()。

函数说明：

cv.cornerHarris(src, blockSize, ksize, k[, dst=None, borderType=BORDER_DEFAULT]	) → dst

函数 cv.cornerHarris 运行 Harris 角检测器。

对于每个像素 (x,y) 计算梯度协方差矩阵 $M(x,y)$。然后计算特征：
$$dst(x,y)=det{M}^{(x,y)}-k\cdot (tr{M}^{(x,y)}{)}^2$$

则角点在特征响应图像中是局部极大值。 实践中定义当 R 大于设定阈值，且为局部最大值的点为角点 。

参数说明：

• src：输入图像，单通道的 8位图像或浮点数图像
• dst：输出图像，Harris 检测器的响应，大小与 src 相同，格式为 CV_32FC1
• blockSize：邻域尺寸
• ksize：Sobel 算子的孔径参数
• k：Harris 检测器调节参数，通常取 0.04~0.06
• borderType：边界扩充类型
  • cv.BORDER_CONSTANT
  • cv.BORDER_REPLICATE
  • cv.BORDER_REFLECT
  • cv.BORDER_REFLECT_101
  • cv.BORDER_TRANSPARENT

例程 14.20：Harris 角点检测之精确定位（cornerSubPix）

OpenCV 提供了函数 cv.cornerSubPix() 用于细化角点位置，细化了以亚像素精度检测到的角点位置。

cv.cornerSubPix(image, corners, winSize, zeroZone, criteria[, ]) → corners

函数 cv.cornerSubPix 用于细化角点位置。该算法通过将角的质心设为新的中心，迭代计算以获得角点或径向鞍点的亚像素精确位置。

参数说明：

• image：输入图像，单通道的 8位图像或浮点数图像
• corners：实数，输入时为角点初始坐标，输出时为角点的精细坐标
• winSize：搜索窗口边长的一半，如 winSize = Size(5,5) 表示搜索窗口为 11*11
• zeroZone：搜索区域中间死区大小的一半，(-1,-1) 表示不存在死区
• criteria：迭代过程终止的判据，迭代次数达到设定值 maxCount 或角点位移小于设定阈值 epsilon

注意事项：

1. 输入输出参数 corners 的格式必须转化实数，不是整数。
2. 函数 cv.cornerSubPix() 用于细化角点位置，不仅可以用于对 Harris 角点检测结果进行细化检测，也可以用于对其它角点检测结果进行细化检测。

    # 14.20 Harris 角点检测之精确定位 (cornerSubPix)img = cv2.imread("../images/sign01.png", flags=1)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # (600, 540)print(img.shape)  # (600, 836, 3)# 角点检测gray = np.float32(gray)    # uint8，float32 都支持dst = cv2.cornerHarris(gray, 2, 3, 0.04)  # Harris 角点检测_, dst = cv2.threshold(dst, 0.01 * dst.max(), 255, 0)  # 提取角点dst = np.uint8(dst)  # (600, 836)# 角点检测结果图像imgCorner = np.copy(img)imgCorner[:,:,2] = cv2.bitwise_or(imgCorner[:,:,2], dst)  # 筛选角点，红色标记# 对检测角点进行精细定位ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)  # 检测连通区域criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001)  # 终止判据fineCorners = cv2.cornerSubPix(gray, np.float32(centroids), (5,5), (-1,-1), criteria)  # (144, 2)# 精细定位检测图像imgFineCorners = np.copy(img)centroids = centroids.astype(np.int)  # 连通区域的质心 (x,y)fineCorners = fineCorners.astype(np.int)  # 精细定位的角点 (x,y)imgFineCorners[centroids[:, 1], centroids[:, 0]] = [0,255,0]  # Harris 检测位置，绿色imgFineCorners[fineCorners[:, 1], fineCorners[:, 0]] = [0,0,255]  # 精细检测位置，红色plt.figure(figsize=(9, 6))plt.subplot(131), plt.axis('off'), plt.title("Origin")plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))plt.subplot(132), plt.axis('off'), plt.title("Harris corners")plt.imshow(cv2.cvtColor(imgCorner[115:195, 90:200], cv2.COLOR_BGR2RGB))plt.subplot(133), plt.axis('off'), plt.title("cornerSubPix")plt.imshow(cv2.cvtColor(imgFineCorners[115:195, 90:200], cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()

【本节完】

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/125821029)
Copyright 2022 youcans, XUPT
Crated：2022-7-15

238. OpenCV 中的 Harris 角点检测
239. Harris 角点检测之精确定位（cornerSubPix）
240. OpenCV 中的 Shi-Tomas 角点检测