opencv角点检测坐标python

可以使用OpenCV中的cornerHarris函数来进行角点检测，该函数会返回检测到的角点的坐标。以下是一个Python示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 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, .04)

# 标记角点
img[dst > .01 * dst.max()] = [, , 255]

# 显示结果
cv2.imshow('corners', img)
cv2.waitKey()
cv2.destroyAllWindows()

其中，cornerHarris函数的参数含义如下：

- gray：灰度图像
- 2：角点检测窗口大小
- 3：Sobel算子的孔径大小
- .04：角点响应函数的参数k值

最后，通过dst > .01 * dst.max()来筛选出响应值较大的角点，并在原图上标记出来。

相关问题

opencv 角点检测 python 示例

以下是使用 OpenCV 在 Python 中进行角点检测的示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

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

# 进行角点检测
corners = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10)

# 将角点标记在图像上
for corner in corners:
    x, y = corner.ravel()
    cv2.circle(img, (x, y), 3, (0, 0, 255), -1)

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

在这个示例中，我们首先使用 `cv2.imread()` 函数读取图像。然后，我们将图像转换为灰度图像，因为角点检测需要在灰度图像上进行。接下来，我们使用 `cv2.goodFeaturesToTrack()` 函数进行角点检测，该函数返回检测到的角点的坐标。最后，我们使用 `cv2.circle()` 函数将检测到的角点标记在原始图像上，并使用 `cv2.imshow()` 函数显示图像。

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。