Harris角点检测python具体代码不调用用函数

以下是 Harris 角点检测的 Python 代码，不调用函数：

import cv2
import numpy as np

# 读入图片
img = cv2.imread('image.jpg')

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

# 计算图像中每个像素的角点响应函数R
dst = cv2.cornerHarris(gray, 2, 3, 0.04)

# 反转R矩阵，以便之后更好的筛选角点
dst = cv2.dilate(dst, None)

# 设定阈值，只有大于阈值的像素点才被认为是角点
img[dst > 0.01 * dst.max()] = [0, 0, 255]

# 显示结果
cv2.imshow('Harris Corner Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，此代码仅仅是提供一个示例。如果你需要更多帮助，请查看 OpenCV 官方文档。

相关问题

harris角点检测python代码

以下是Harris角点检测的Python代码示例：

import cv2
import numpy as np

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

# 计算Harris角点
dst = cv2.cornerHarris(gray, 2, 3, 0.04)

# 通过阈值筛选角点
img[dst > 0.01 * dst.max()] = [0, 0, 255]

cv2.imshow('Harris Corner Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码中，我们首先读取了一张图像，并将其转化为灰度图。接着，我们调用了OpenCV的`cv2.cornerHarris`函数来计算Harris角点。这个函数的第一个参数是输入图像，第二个参数是角点检测窗口的大小，第三个参数是Sobel算子的大小，第四个参数是Harris角点检测的自由参数。此外，我们还通过阈值筛选出了Harris角点，并将其在原图上用红色标出。最后，我们展示了标出角点的图像。

手写Harris角点检测代码，不调用cornerHarris函数，并在角点上画圈

Harris角点检测算法的实现步骤如下：

1. 计算图像I的梯度I_x和I_y；
2. 计算每个像素点的I_x^2、I_y^2和I_x*I_y；
3. 对于图像中的每个像素点，计算其对应的Harris矩阵H；
4. 对于每个像素点，计算其Harris响应值R；
5. 设置一个阈值，筛选出Harris响应值大于该阈值的像素点；
6. 对于满足条件的像素点，在其位置上画圆。

下面是代码实现：

import cv2
import numpy as np

def harris_corner_detection(image, block_size=2, ksize=3, k=0.04, threshold=0.01):
    # 计算图像梯度
    Ix = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=ksize)
    Iy = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=ksize)

    # 计算Harris矩阵的三个分量
    Ix2 = np.multiply(Ix, Ix)
    Iy2 = np.multiply(Iy, Iy)
    Ixy = np.multiply(Ix, Iy)

    # 对每个像素点计算Harris矩阵
    height, width = image.shape
    corner_list = []
    offset = block_size // 2
    for y in range(offset, height - offset):
        for x in range(offset, width - offset):
            Sx2 = np.sum(Ix2[y-offset:y+offset+1, x-offset:x+offset+1])
            Sy2 = np.sum(Iy2[y-offset:y+offset+1, x-offset:x+offset+1])
            Sxy = np.sum(Ixy[y-offset:y+offset+1, x-offset:x+offset+1])
            det = Sx2*Sy2 - Sxy*Sxy
            trace = Sx2 + Sy2
            r = det - k * trace*trace
            if r > threshold:
                corner_list.append((x, y, r))

    # 对角点按照响应值大小进行排序
    corner_list.sort(key=lambda x: x[2], reverse=True)

    # 在角点上画圆
    for i in range(min(len(corner_list), 100)):
        x, y, r = corner_list[i]
        cv2.circle(image, (x, y), 5, (0, 255, 0), 2)

    return image

if __name__ == '__main__':
    image = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)
    result = harris_corner_detection(image)
    cv2.imshow('result', result)
    cv2.waitKey(0)

其中，block_size表示计算Harris矩阵时使用的窗口大小，ksize表示Sobel算子的大小，k表示Harris算法中的参数，threshold表示筛选角点的阈值。在代码中，我们选取了响应值最大的100个角点，并在其位置上画了圆。