使用Python OpenCV中的Harris角检测器检测角点

在OpenCV中，使用函数 cv2.cornerHarris() 实现了Harris角检测器。它接受四个参数: img、blockSize、ksize 和 k 。其中，img是灰度输入图像，数据类型为float32，blockSize是考虑角点检测的邻域大小，ksize是使用的Sobel导数的有效值大小，k是方程中的Harris检测器自由参数。

步骤

要使用Harris角检测器检测图像中的角点，可以按照以下步骤操作：

导入所需库 OpenCV 和 NumPy 。确保您已经安装了它们。
使用 cv2.imread() 方法读取输入图像。指定图像的完整路径。使用 cv2.cvtColor() 方法将输入图像转换为灰度图像。将灰度图像的数据类型转换为 np.float32 。
对灰度图像（float32）应用 cv2.cornerHarris() 方法。将适当的 blockSize 、 ksize 和k传递给该方法作为参数。
膨胀结果以标记角点，并对最佳值应用阈值。
显示检测到的角点的图像。

让我们看一下使用Harris角检测器检测图像中角点的示例。

输入图像

我们在以下示例中使用此图像作为输入文件。

使用Python OpenCV中的Harris角检测器检测角点

示例

此程序演示如何使用Harris角检测器算法检测图像中的角点−

# 导入所需库
import cv2
import numpy as np

# 加载输入图像
img = cv2.imread('sudoku.jpg')

# 将输入图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 修改数据类型设置为32位浮点型
gray = np.float32(gray)

# 应用cv2.cornerHarris方法检测角点
corners = cv2.cornerHarris(gray, 2, 3, 0.05)

# 放大结果以标记角点
corners = cv2.dilate(corners, None)

#阈值用于最佳值。
img[corners > 0.01 * corners.max()]=[0, 0, 255]

#显示带有检测到的角点的图像
cv2.imshow('Image with Corners', img)
cv2.waitKey(0)
cv2.destroyAllWindows()