网站建设步骤电脑,沈阳软件定制开发,合肥建设干部学校网站首页,wordpress连接设置方法角点检测#xff1a;cornerHarris()
cornerHarris()函数是OpenCV中用于执行Harris角点检测的函数。Harris角点检测是一种用于检测图像中角点的技术#xff0c;通常用于特征检测和图像匹配。以下是cornerHarris()函数的用法#xff1a;
void cornerHarris(InputArray src, …角点检测cornerHarris()
cornerHarris()函数是OpenCV中用于执行Harris角点检测的函数。Harris角点检测是一种用于检测图像中角点的技术通常用于特征检测和图像匹配。以下是cornerHarris()函数的用法
void cornerHarris(InputArray src, // 输入图像单通道、8位或32位浮点类型OutputArray dst, // 输出角点响应图像通常是32位浮点类型int blockSize, // 角点检测中的邻域大小建议为2-3int ksize, // Sobel算子的孔径大小建议为3double k, // Harris检测方程中的自由参数一般取0.04 - 0.06int borderType BORDER_DEFAULT
);以下是参数的解释 src输入图像通常是单通道的8位或32位浮点型图像。 dst输出角点响应图像通常是一个32位浮点型图像用于存储检测到的角点的响应值。 blockSize指定角点检测时使用的邻域大小。它通常是2x2或3x3的小邻域。 ksizeSobel算子的孔径大小用于计算图像梯度。 kHarris检测方程中的自由参数一般取0.04到0.06之间的值。它决定了角点响应的敏感性。 borderType边界类型通常设置为BORDER_DEFAULT。
cornerHarris()函数执行Harris角点检测并将检测结果存储在dst中。通常你可以检查dst中的响应值来确定图像中的角点位置。较高的响应值通常表示角点。
以下是一个简单的示例演示如何使用cornerHarris()函数执行Harris角点检测
#include opencv2/opencv.hppusing namespace cv;int main()
{Mat srcImage imread(1.jpg, IMREAD_GRAYSCALE);if (srcImage.empty()){std::cout Could not open or find the image! std::endl;return -1;}Mat cornerResponse;cornerHarris(srcImage, cornerResponse, 2, 3, 0.04);Mat cornerMap Mat::zeros(cornerResponse.size(), CV_8UC1);double maxResponse;minMaxLoc(cornerResponse, 0, maxResponse);for (int i 0; i cornerResponse.rows; i){for (int j 0; j cornerResponse.cols; j){if (cornerResponse.atfloat(i, j) 0.01 * maxResponse){circle(cornerMap, Point(j, i), 5, Scalar(255), 2);}}}imshow(Corner Map, cornerMap);waitKey(0);return 0;
}在此示例中我们加载了一个灰度图像然后使用cornerHarris()函数进行角点检测。最后我们在角点上绘制圆圈将检测到的角点可视化。 使用本地相机进行角点检测
#include opencv2/opencv.hppusing namespace cv;// 滑块回调函数
void onTrackbar(int, void*);int main()
{VideoCapture cap(0);if (!cap.isOpened()){std::cerr Error: Could not open the camera. std::endl;return -1;}Mat frame;Mat grayFrame;namedWindow(Harris Corner Detection, WINDOW_AUTOSIZE);int blockSize 2;int ksize 3;int k 0.04;int thresholdValue 100;int radius 5;createTrackbar(Block Size, Harris Corner Detection, blockSize, 10, onTrackbar);createTrackbar(K-Size, Harris Corner Detection, ksize, 10, onTrackbar);createTrackbar(K Value, Harris Corner Detection, k, 100, onTrackbar);createTrackbar(Threshold, Harris Corner Detection, thresholdValue, 1000, onTrackbar);createTrackbar(Radius, Harris Corner Detection, radius, 20, onTrackbar);while (true){cap frame;if (frame.empty()){break;}cvtColor(frame, grayFrame, COLOR_BGR2GRAY);Mat cornerResponse;cornerHarris(grayFrame, cornerResponse, blockSize * 2 2, ksize * 2 1, k / 100.0);Mat cornerMap Mat::zeros(cornerResponse.size(), CV_8UC1);double maxResponse;minMaxLoc(cornerResponse, 0, maxResponse);for (int i 0; i cornerResponse.rows; i){for (int j 0; j cornerResponse.cols; j){if (cornerResponse.atfloat(i, j) thresholdValue / 1000.0 * maxResponse){circle(cornerMap, Point(j, i), radius, Scalar(255), 2);}}}imshow(Harris Corner Detection, cornerMap);if (waitKey(30) 0){break;}}return 0;
}void onTrackbar(int, void*)
{// You can add custom behavior when trackbars are moved if needed.
}
使用本地相机进行二值图角点检测
#include opencv2/opencv.hppusing namespace cv;Mat frame; // 用于存储摄像头捕捉的帧
Mat cornerResponse; // 存储Harris角点响应
Mat cornerMap; // 二值图像
double maxResponse; // 最大响应值int main()
{VideoCapture cap(0); // 打开默认相机通常是内置摄像头if (!cap.isOpened()){std::cerr Error: Could not open the camera. endl;return -1;}namedWindow(Harris Corner Map, WINDOW_AUTOSIZE);while (true){cap frame; // 从摄像头捕捉帧if (frame.empty()){break;}// 转换为灰度图像Mat gray;cvtColor(frame, gray, COLOR_BGR2GRAY);// Harris角点检测cornerHarris(gray, cornerResponse, 2, 3, 0.04);// 查找最大响应值minMaxLoc(cornerResponse, 0, maxResponse);// 初始化二值图像cornerMap Mat::zeros(cornerResponse.size(), CV_8UC1);// 根据阈值将角点标记为白色或黑色for (int i 0; i cornerResponse.rows; i){for (int j 0; j cornerResponse.cols; j){if (cornerResponse.atfloat(i, j) 0.01* maxResponse){cornerMap.atuchar(i, j) 255;}else{cornerMap.atuchar(i, j) 0;}}}imshow(Harris Corner Map, cornerMap);if (waitKey(30) 27) // 按下Esc键退出{break;}}cap.release();destroyAllWindows();return 0;
}
