特征点检测

更新日志

04-09

Harris Corner Detect

---

一 前言

在计算机视觉的领域中，有着两类十分基本的任务：

• 识别(Recognition)
• 测距(Distance)

这篇博客以全景拼接的角度，从兴趣点检测出发，逐步认知识别任务。

全景拼接有5个基本步骤：

1. 特征点检测(Keypoints Detection)
2. 构建特征描述符(Construct Feature Descriptor)
3. 点对匹配(Corresponding Pair Match)
4. 求出变换矩阵(Compute Transform Matrix)
5. 变换拼接(Stitch Panorama)

以下说明特征点检测的两大方法。

二 Harris 角点检测

def harris(filename: str="Images/lenna_img.jpg"):
    img = cv2.imread(filename)
    img_copy = cv2.imread(filename)         # Copy a couterpart
    # Covert to gray image
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray_img = np.float32(gray_img)
     
    # harris Detection
    Harris_detector = cv2.cornerHarris(gray_img, 2, 3, 0.04)
     
    # harris non-extrmum suppression
    dst = cv2.dilate(Harris_detector, None)
    
    # Set a threshold for display
    thres = 0.01 * dst.max()
    img[dst > thres] = [0, 255, 0]
    imgs = np.hstack([img_copy, img])
    
    img_new = imgs[:, :, ::-1]
    plt.xticks([]), plt.yticks([]) # 隐藏x和y轴
    plt.imshow(img_new)
    plt.axis("off")
    
    cv2.imshow('show', imgs)
    cv2.waitKey()

---