Harris特征檢測（python實現）

文章目錄

• • 1.Opencv特征的場景
  • 2.特征
  • 3.Harris特征檢測
  • 4.哈裡斯（Harris）角點特征性質
  • 5.函數講解
  • 6.代碼實戰

1.Opencv特征的場景

（1）圖像搜索：以圖搜索；
（2）拼圖游戲；
（3）圖像拼接：將兩張有關聯的圖拼接在一起；

2.特征

圖像特征就是指有意義的圖像區域，具有獨特性，易識別性，比如角點，斑點以及高密度區域。
角點：在特征中最重要就是角點；灰度梯度的最大值對應的像素；兩條線的交點；極值點（一階導數最大，二階導數為0）

3.Harris特征檢測

第一幅圖矩形表示一個平坦區域，在各方向移動，窗口內像素值沒有變化；
第二幅圖矩形表示一個邊緣特征（Edges），如果沿著垂直方向移動(梯度方向)，像素值會發生改變；如果沿著邊緣移動(平行於邊緣) ，像素值不會發生變化；
第三幅圖矩形框來說，它是一個角（Corners），不管你把它朝哪個方向移動，像素值都會發生很大變化。

4.哈裡斯（Harris）角點特征性質

該算法算子對亮度和對比度的變化不敏感。
算子具有旋轉不變性。
算子不具有尺度不變性。

5.函數講解

cornerHarris(src, blockSize, ksize, k, dst=None, borderType=None)
Src:輸入的原始圖像；
Blocksize:檢測窗口的大小
Ksize:卷Sobel積核的大小；
K:權重系數，經驗值，一般取0.02-0.04之間。
Dst:輸出的圖像
borderType:⽤於推斷圖像外部像素的某種邊界模式，有默認值BORDER_DEFAULT.

6.代碼實戰

import os
import cv2
#讀取圖片
img=cv2.imread('images/HaLiSi.jpg')
#縮放圖片
img=cv2.resize(src=img,dsize=(450,450))
#轉灰度圖
gray=cv2.cvtColor(src=img,code=cv2.COLOR_RGB2GRAY)
#哈裡斯檢測
halisi=cv2.cornerHarris(src=gray,blockSize=2,ksize=3,k=0.03)
#判斷角點的“質量”
img[halisi>0.01*halisi.max()]=[0,255,0]
#顯示圖像
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
print('Pycharm')