day6 角点检测

1.Harris角点检测

# coding=utf-8

import cv2

import numpy as np

filename = 'pic5.png'

#1.读入一个灰度图像

img = cv2.imread(filename)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv2.imshow('gray',gray)

#2.执行角点检测函数

gray = np.float32(gray)

dst = cv2.cornerHarris(gray,2,3,0.04)   #函数 cv2.cornerHarris() 可以用来进行角点检测

            #数据类型为 float32 的输入图像

                            # 2：角点检测中要考虑的领域大小

                               #3： Sobel 求导中使用的窗口大小

                                 #Harris 角点检测方程中的自由参数，取值参数为 [0,04，0.06]

dst = cv2.dilate(dst,None)   #扩大标记角

img[dst>0.01*dst.max()] = [0,0,255]  #阈值为一个最佳值，它可能会根据图像而变化。

cv2.imshow('dst',img)

cv2.waitKey(0)

cv2.destroyAllWindows()

2.Shi-Tomasi角点检测&适合跟踪的图像特征

　　　　

# coding=utf-8

import cv2

import numpy as np

from matplotlib import pyplot as plt

#1.读入图像，灰度

filename = 'pic5.png'

filename2 = 'woman.JPEG'

img = cv2.imread(filename2)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#2.执行角点函数 cv2.goodFeaturesToTrack

corners = cv2.goodFeaturesToTrack(gray,50,0.01,10)

                                    #50个最佳点

                                        #0.01 角点的质量水平，0到 1 之间

    # 返回的结果是 [[ 311., 250.]] 两层括号的数组。

corners = np.int0(corners)

#3.在img标记角点

for i in corners:

    x,y = i.ravel()

    cv2.circle(img,(x,y),3,255,-1)

plt.imshow(img)

plt.show()