1-21 角点检测 opencv树莓派4B 入门系列笔记

目录

一、提前准备

二、代码详解

三、运行现象

四、完整工程贴出


一、提前准备

1、树莓派4B 及 64位系统

2、提前安装opencv库 以及 numpy库

3、保存一张图片

二、代码详解

python 复制代码
import cv2

img = cv2.imread('jihe.jpg')
# 角点检测需要转换为灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 角点检测  
dst = cv2.cornerHarris(img_gray, 4, 3, 0.04)
# 每个点得到的结果值大于最大角点值的0.01倍,即认为该点为角点,并用[0, 0, 255]红色绘制出
img[dst > 0.01 * dst.max()] = [0, 0, 255]
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows() 

cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

这个函数用于转换图像的颜色空间。在这里,它将原始图像(通常是BGR格式)转换为灰度图。灰度图只有一个颜色通道,这在许多图像处理任务中是必要的,因为它们不需要处理颜色信息。

cv2.cornerHarris(img_gray, 4, 3, 0.04)

这是Harris角点检测算法的实现。它接受四个参数:

img_gray:输入的灰度图像。

0.04:Harris检测器的自由参数,用于调整角点响应函数的灵敏度。这个函数会返回一个与输入图像大小相同的响应图,图中的每个像素值表示该位置成为角点的可能性。

3:Sobel算子的孔径大小,用于计算图像的梯度。

4:角点检测的区块大小,即每个角点周围的邻域大小。

img[dst > 0.01 * dst.max()] = [0, 0, 255]

这行代码是在响应图dst上进行阈值操作,以确定角点的位置。它将响应图中大于其最大值的0.01倍的像素点设置为红色(BGR格式中的[0, 0, 255])。

这意味着只有响应值足够高的点才会被认为是角点,并在原始图像上用红色标记。

三、运行现象

四、完整工程贴出

持续更新中......

相关推荐
AI小书房7 分钟前
【人工智能通识专栏】第二十八讲:IDE集成Deepseek
ide·人工智能
未知陨落33 分钟前
LeetCode:78.跳跃游戏
算法·leetcode
Wenhao.37 分钟前
LeetCode-Hot100 最小栈实现
算法·leetcode
工藤学编程39 分钟前
零基础学AI大模型之LangChain-PromptTemplate
人工智能·langchain
金井PRATHAMA44 分钟前
一阶逻辑及其变体在自然语言深层语义分析中的作用、挑战与未来启示
人工智能·自然语言处理·知识图谱
闲人编程1 小时前
会议安排问题之贪心算法
python·算法·ios·贪心算法·会议问题·算法改进·codecapsule
小于小于大橙子1 小时前
3D Gaussian Splatting理论详解
计算机视觉·3d·图形渲染
星哥说事1 小时前
AI编程助手如何让开发效率提升300%?CodeBuddy CLI实战案例解析
人工智能
一只一只1 小时前
Unity 3D笔记——《B站阿发你好》
笔记·3d·unity
m0_743106461 小时前
NeRF+3DGS——提升渲染质量与压缩模型参数
论文阅读·人工智能·计算机视觉·3d·几何学