opencv角点检测输出坐标

OpenCV的角点检测函数可以输出检测到的角点的坐标。下面是使用OpenCV中的CornerHarris函数进行角点检测并输出角点坐标的示例代码：

import cv2
import numpy as np

# 读入图像
img = cv2.imread('image.png')

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

# 进行角点检测
dst = cv2.cornerHarris(gray, 2, 3, 0.04)

# 标记角点
img[dst > 0.01 * dst.max()] = [0, 0, 255]

# 输出角点坐标
corners = np.where(dst > 0.01 * dst.max())
print(list(zip(corners[1], corners[0])))

在上面的代码中，`cv2.cornerHarris`函数的第一个参数是灰度图像，第二个参数是角点检测的窗口大小，第三个参数是Sobel算子的参数，第四个参数是常数k，根据经验值一般取0.04至0.06之间。函数的返回值`dst`是一个与输入图像大小相同的矩阵，其中每个像素的值表示该像素对应的角点响应强度，可以通过设置一个阈值来筛选出角点。最后，使用`np.where`函数找出响应强度大于阈值的像素位置，通过`list(zip(corners[1], corners[0]))`将其转换为坐标列表。

相关问题

opencv-python角点检测 角点排序 并输出角点坐标

OpenCV-Python提供了许多角点检测算法，包括Harris角点检测、Shi-Tomasi角点检测、FAST角点检测等。这些算法可以检测图像中的关键点，通常用于特征匹配和目标跟踪等应用。

在检测到角点之后，我们可以对它们进行排序，并输出它们的坐标。下面是一个示例代码，演示如何使用Shi-Tomasi角点检测算法检测角点、将角点按照响应值排序，并输出角点坐标：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('corner.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Shi-Tomasi角点检测
corners = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10)

# 对角点按照响应值排序
corners = np.int0(corners)
corners = sorted(corners, key=lambda x: x[0][1])

# 输出角点坐标
for i in range(len(corners)):
    x, y = corners[i][0]
    print("Corner {}: ({},{})".format(i+1, x, y))
    cv2.circle(img, (x, y), 5, (0, 0, 255), -1)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读取了一张图像，然后使用Shi-Tomasi角点检测算法检测了25个角点，并将它们存储在corners数组中。接着，我们按照角点的y坐标对它们进行排序，并输出它们的坐标。最后，我们在图像上绘制了检测到的角点，并显示了结果。

opencv-python角点检测 使用FAST角点检测算法检测角点、将角点按照响应值排序，并输出角点坐标

OpenCV-Python中可以使用FAST角点检测算法来检测图像中的角点。以下是使用该算法进行角点检测和排序的示例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 创建FAST角点检测器对象
fast = cv2.FastFeatureDetector_create()

# 检测图像中的角点
keypoints = fast.detect(img, None)

# 根据响应值对角点进行排序
keypoints = sorted(keypoints, key=lambda x: -x.response)

# 输出角点坐标
for kp in keypoints:
    print(kp.pt)

# 在图像中可视化角点
img_with_keypoints = cv2.drawKeypoints(img, keypoints, None, color=(0, 255, 0))

# 显示图像
cv2.imshow('Image with Keypoints', img_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先使用`cv2.imread()`函数读取了一张图像。然后，创建了一个FAST角点检测器对象，使用`fast.detect()`函数对图像中的角点进行检测，并使用`sorted()`函数按照角点的响应值进行排序。最后，遍历排序后的角点列表，输出它们的坐标，并使用`cv2.drawKeypoints()`函数在图像中可视化角点。

运行上述代码后，我们将得到一个包含检测到的角点的图像，并输出角点的坐标。