目前，角點檢測算法還不是十分完善，許多算法需要依賴大量的訓(xùn)練集和冗余數(shù)據(jù)來防止和減少錯誤的特征的出現(xiàn)。對于角點檢測算法的重要評價標(biāo)準(zhǔn)是：其對多幅圖像中相同或者相似特征的檢測能力，并且能夠應(yīng)對光照變化、或者圖像旋轉(zhuǎn)等影響。

關(guān)于角點的具體描述可以有幾種：

一階導(dǎo)數(shù)(即灰度的梯度)的局部最大所對應(yīng)的像素點；
兩條及兩條以上邊緣的交點；
圖像中梯度值和梯度方向的變化速率都很高的點；
角點處的一階導(dǎo)數(shù)最大，二階導(dǎo)數(shù)為零，指示物體邊緣變化不連續(xù)的方向。

三類角點檢測算法：

基于二值圖像的角點檢測；
基于輪廓曲線的角點檢測；
基于灰度圖像的角點檢測：基于梯度、基于模板和基于模板和梯度組合三類方法；常見的基于模板的角點檢測算法有：Kitchen-Rosenfeld角點檢測算法，Harris角點檢測算法，KLT角點檢測算法及SUSAN角點檢測算法。基于模板的方法主要是考慮像素領(lǐng)域點灰度的變化，即亮度的變化。

2. 流程

（1）找出角點
用高斯算子求出像素水平方向和垂直方向的梯度dx, dy，–> 對梯度的平方dxdx ,dydy, dxdy濾波得到Wxx ,Wxy,Wyy --> 在求的（WxxWyy - Wxy**2）/（Wxx + Wyy）作為候選角點。

（2）篩選角點
根據(jù)閾值篩選角點–> 取得角點的坐標(biāo) -->根據(jù)角點坐標(biāo)得到角點所在的行 --> 在角點周圍，刪除掉其他角點。–> result

（3）標(biāo)記角點

3. 實現(xiàn)

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import filters

## 1.找出角點
### 1.1 步驟：img求導(dǎo) --> imx ,imy 濾波-->Wxx ,Wxy,Wyy --> （Wxx*Wyy - Wxy**2）/（Wxx + Wyy）
def compute_harris_response(img,sigma=3):
? ? # 求梯度
? ? imgx,imgy ?= np.zeros(img.shape),np.zeros(img.shape)
? ? filters.gaussian_filter(img,(sigma,sigma),(0,1),imgx)
? ? filters.gaussian_filter(img,(sigma,sigma),(1,0),imgy) # [260,263]
? ? # 對梯度進行高斯濾波
? ? wxx = filters.gaussian_filter(imgx**2,sigma)
? ? wyy = filters.gaussian_filter(imgy**2,sigma) # [260,263]
? ? wxy = filters.gaussian_filter(imgx*imgy,sigma)# [260,263]
? ? ## 求行列式和跡
? ? wdet = wxx*wyy -wxy**2
? ? wtr = wxx + wyy
? ? return ?wdet/wtr

## 2 篩選角點
### 2.1 步驟：根據(jù)閾值篩選角點--> 取得角點的坐標(biāo) -->根據(jù)角點坐標(biāo)得到角點所在的行 ?-->
# --> 在角點周圍，刪除掉其他角點
def get_harris_points(harri,min_dist=4,threshold=0.1):
? ? corner_thre = harri.max()*threshold ?# 角點閾值
? ? mask = (harri > corner_thre)*1 ?# 取出大于閾值的點為候選角點
? ? cords = np.array(mask.nonzero()).T ?# 取候選角點的坐標(biāo)

? ? values = [harri[i[0],i[1]] for i in cords] ?# 候選角點的值
? ? cls = np.argsort(values) ? ? # 對角點排序得到排序后的序列號，序列號也是候選角點所在的行

? ? loc = np.zeros(harri.shape) ? # 劃出可行性區(qū)域
? ? loc[min_dist:-min_dist,min_dist:-min_dist] = 1

? ? re_cords = []
? ? for i in cls: ?# 篩選角點。先取出角點，角點周圍的點不再取出
? ? ? ? if loc[cords[i,0],cords[i,1]] == 1 :
? ? ? ? ? ? re_cords.append(cords[i])
? ? ? ? ? ? loc[cords[i,0]-min_dist:cords[i,0]+min_dist,cords[i,1]-min_dist:cords[i,1]+min_dist]=0
? ? return re_cords

def plot_harri(img,cords):
? ? plt.figure()
? ? plt.gray()
? ? plt.imshow(img)
? ? plt.plot([i[1] for i in cords],[i[0] for i in cords],'.')
? ? plt.axis('off')
? ? plt.show()

## 3 測試
if __name__ == '__main__':
? ? img = np.array(Image.open('luna.png').convert('L'))
? ? harri = compute_harris_response(img)
? ? re_cords = get_harris_points(harri)
? ? plot_harri(img,re_cords)

到此這篇關(guān)于OpenCV角點檢測的文章就介紹到這了,更多相關(guān)OpenCV角點檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: