当前位置: 首页> 房产> 市场 > 1-21 角点检测 opencv树莓派4B 入门系列笔记

1-21 角点检测 opencv树莓派4B 入门系列笔记

时间:2025/7/11 8:34:28来源:https://blog.csdn.net/2301_80015907/article/details/141962744 浏览次数:0次

目录

一、提前准备

二、代码详解

三、运行现象 

四、完整工程贴出


一、提前准备

        1、树莓派4B 及 64位系统

        2、提前安装opencv库 以及 numpy库

        3、保存一张图片

二、代码详解

import cv2img = cv2.imread('jihe.jpg')
# 角点检测需要转换为灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 角点检测  
dst = cv2.cornerHarris(img_gray, 4, 3, 0.04)
# 每个点得到的结果值大于最大角点值的0.01倍,即认为该点为角点,并用[0, 0, 255]红色绘制出
img[dst > 0.01 * dst.max()] = [0, 0, 255]
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows() 

cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

这个函数用于转换图像的颜色空间。在这里,它将原始图像(通常是BGR格式)转换为灰度图。灰度图只有一个颜色通道,这在许多图像处理任务中是必要的,因为它们不需要处理颜色信息。

cv2.cornerHarris(img_gray, 4, 3, 0.04)

这是Harris角点检测算法的实现。它接受四个参数:

img_gray:输入的灰度图像。

0.04:Harris检测器的自由参数,用于调整角点响应函数的灵敏度。这个函数会返回一个与输入图像大小相同的响应图,图中的每个像素值表示该位置成为角点的可能性。

3:Sobel算子的孔径大小,用于计算图像的梯度。

4:角点检测的区块大小,即每个角点周围的邻域大小。

img[dst > 0.01 * dst.max()] = [0, 0, 255]

这行代码是在响应图dst上进行阈值操作,以确定角点的位置。它将响应图中大于其最大值的0.01倍的像素点设置为红色(BGR格式中的[0, 0, 255])。

这意味着只有响应值足够高的点才会被认为是角点,并在原始图像上用红色标记。

三、运行现象 

四、完整工程贴出

持续更新中……

关键字:1-21 角点检测 opencv树莓派4B 入门系列笔记

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: