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()