模塊10 圖像濾波《計算機視覺處理項目實戰(zhàn)》教學課件

《計算機視覺處理項目實戰(zhàn)》?精品課件合集?精品課件合集第X章XXXX模塊10圖像濾波哈里斯角檢測CONTENTS目錄01哈里斯角檢測哈里斯角檢測哈里斯角檢測是克里斯·哈里斯（ChrisHarris）和邁克·斯蒂芬斯（MikeStephens）在他們論文中提出的一種角檢測方法。cv2.cornerHarris()函數(shù)根據(jù)哈里斯角檢測器算法檢測圖像中的角，其基本格式如下。dst=cv2.cornerHarris(src,blockSize,ksize,k)參數(shù)說明如下。dst為返回結(jié)果，它是一個numpy.ndarray對象，大小和src相同，每一個數(shù)組元素對應(yīng)一個像素點，其值越大，對應(yīng)像素點是角的概率越高。src為8位單通道或浮點值圖像。blockSize為鄰域大小，值越大，檢測出的角占的區(qū)域越大。ksize為哈里斯角檢測器使用的Sobel算子的中孔參數(shù)。k為哈里斯角檢測器的自由參數(shù)。ksize和k影響檢測的敏感度，值越小，檢測出的角越多，但準確率越低。哈里斯角檢測示例importcv2ascvimportnumpyasnpimportmatplotlib.pyplotaspltsrc=cv.imread("./image/tree.jpg")gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)gray=np.float32(gray)dst=cv.cornerHarris(gray,2,3,0.04)src[dst>0.001*dst.max()]=[0,0,255]cv.imshow("src",src)cv.waitKey()cv.destroyAllWindows()總結(jié)01哈里斯角檢測SIFT關(guān)鍵點檢測CONTENTS目錄0102SIFT關(guān)鍵點檢測步驟SIFT關(guān)鍵點檢測SIFT關(guān)鍵點檢測步驟也可以使用detecAndCompute()同時檢測關(guān)鍵點和描述子并計算3使用detect()函數(shù)進行SIFT關(guān)鍵點檢測2先創(chuàng)建SIFT實例化對象1sift=cv.xfeatures2d.SIFT_creat()kp=sift.detect(gray,None)kp,des=sift.detecAndCompute(gray,None)4SIFT關(guān)鍵點檢測使用drawKeypoints()方法將檢測到的關(guān)鍵點結(jié)果繪制在圖像上。語法格式如下所示：cv.drawKeypoints(image,keypoints,outputimage,color,flags)參數(shù)說明keypoints關(guān)鍵點信息，將其繪制在圖像上outputimage輸出圖片，可以是原始圖像color顏色flags繪圖功能的標識設(shè)置SIFT關(guān)鍵點檢測方式說明DRAW_MATCHES_FLAGS_DEFAULT創(chuàng)建輸出圖像矩陣，使用現(xiàn)存的輸出圖像繪制匹配對和特征點，對每一個關(guān)鍵點只繪制中間點DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG不創(chuàng)建輸出圖像矩陣，而是在輸出圖像上繪制匹配對DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS對每一個特征點繪制帶大小和方向的關(guān)鍵點圖形DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS單點的特征點不被控制SIFT關(guān)鍵點檢測示例importcv2ascvimportnumpyasnpimportmatplotlib.pyplotaspltimg=cv.imread("./image/dog.jpg")gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)sift=cv.xfeatures2d.SIFT_create()kp,des=sift.detectAndCompute(gray,None)cv.drawKeypoints(img,kp,img,flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)cv.imshow("img",img)cv.waitKey()cv.destroyAllWindows()總結(jié)0102SIFT關(guān)鍵點檢測步驟SIFT關(guān)鍵點檢測Shi-Tomasi角檢測CONTENTS目錄01Shi-Tomasi角檢測Shi-Tomasi角檢測Shi-Tomasi角檢測是史建波（JianboShi）和卡羅·托馬西（CarloTomasi）在哈里斯角檢測基礎(chǔ)上提出的改進角檢測的方法。OpenCV的cv.goodFeaturesToTrack()函數(shù)使用Shi-Tomasi角檢測器查找圖像中的N個最強角，其基本格式如下。dst=cv.goodFeaturesToTrack(src,maxCorners,qualityLevel,minDistance)參數(shù)說明如下。dst為返回結(jié)果，保存了檢測到的角在原圖像中的坐標。src為8位單通道或浮點值圖像。maxCorners為返回的角的最大數(shù)量。qualityLevel為可接受的角的最低質(zhì)量。minDistance為返回的角之間的最小歐幾里得距離。Shi-Tomasi角檢測示例importcv2ascvimportnumpyasnpimg=cv.imread("./image/tree.jpg")gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)corners=cv.goodFeaturesToTrack(gray,1000,0.01,10)corners=0(corners)foriincorners:x,y=i.ravel()#數(shù)組降維成一維數(shù)組cv.circle(img,(x,y),3,(0,0,255),-1)cv.imshow('img',img)cv.waitKey(0)cv.destroyAllWindows()總結(jié)01Shi-Tomasi角檢測FAST特征檢測CONTENTS目錄01FAST特征檢測FAST特征檢測FAST特征檢測器主要根據(jù)像素周圍16個像素的強度和閾值等參數(shù)來判斷像素是否為關(guān)鍵點可調(diào)用cv2.FastFeatureDetector_create()函數(shù)創(chuàng)建一個FAST對象調(diào)用FAST對象的detect()方法執(zhí)行關(guān)鍵點檢測，該方法將返回一個關(guān)鍵點列表每個關(guān)鍵點對象均包含了關(guān)鍵點的角度、坐標、響應(yīng)強度和鄰域大小等信息FAST特征檢測示例importcv2ascvimg=cv.imread("./image/tree.jpg")gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)fast=cv.FastFeatureDetector_create(threshold=30)kp=fast.detect(gray,None)img1=cv.drawKeypoints(gray,kp,None,color=(0,0,255))cv.imshow("img",img)cv.waitKey()cv.destroyAllWindows()總結(jié)01FAST特征檢測暴力匹配器CONTENTS目錄0102暴力匹配器創(chuàng)建暴力匹配器對象操作暴力匹配器創(chuàng)建暴力匹配器使用描述符進行特征比較。在比較時，暴力匹配器首先在查詢描述符中取一個關(guān)鍵點的描述符，將其與訓(xùn)練描述符中的所有關(guān)鍵點描述符進行比較，每次比較后會給出一個距離值，距離最小的值對應(yīng)最佳匹配結(jié)果。所有描述符比較完后，匹配器返回匹配結(jié)果列表。OpenCV的cv2.BFMatcher_create()函數(shù)用于創(chuàng)建暴力匹配器，其基本格式如下。bf=cv2.BFMatcher_create([normType[,crossCheck]])參數(shù)說明如下。bf為返回的暴力匹配器對象。normType為距離測量類型，默認為cv2.NORM_L2。通常，SIFT、SURF等描述符使用cv2.NORM_L1或cv2.NORM_L2，ORB、BRISK或BRIEF等描述符使用cv2.NORM_HAMMING。crossCheck默認為False，匹配器為每個查詢描述符找到k個距離最近的匹配描述符。crossCheck為True時，只返回滿足交叉驗證條件的匹配結(jié)果。暴力匹配器對象操作暴力匹配器對象的match()方法返回每個關(guān)鍵點的最佳匹配結(jié)果，其基本格式如下。ms=bf.match(des1,des2)參數(shù)說明如下。ms為返回的匹配結(jié)果，它是一個DMatch對象列表。每個DMatch對象表示關(guān)鍵點的一個匹配結(jié)果，其distance屬性表示距離，值越小匹配度越高。des1為查詢描述符。des2為訓(xùn)練描述符。暴力匹配器對象操作獲得匹配結(jié)果后，可調(diào)用cv2.drawMatches()或cv2.drawMatchesKnn()函數(shù)繪制匹配結(jié)果圖像，其基本格式如下。outImg=cv2.drawMatches(img1,keypoints1,img2,keypoints2,matches1to2,outImg[,matchColor[,singlePointColor[,matchesMask[,flags]]]])outImg=cv2.drawMatchesKnn(img1,keypoints1,img2,keypoints2,matches1to2,outImg[,matchColor[,singlePointColor[,matchesMask[,flags]]]])暴力匹配器對象操作outImg為返回的繪制結(jié)果圖像，圖像中查詢圖像與訓(xùn)練圖像中匹配的關(guān)鍵點和兩點之間的連線為彩色。img1為查詢圖像。keypoints1為img1的關(guān)鍵點。img2為訓(xùn)練圖像。keypoints2為img2的關(guān)鍵點。matches1to2為img1與img2的匹配結(jié)果。matchColor為關(guān)鍵點和連接線的顏色，默認使用隨機顏色。singlePointColor為單個關(guān)鍵點的顏色，默認使用隨機顏色。matchesMask為掩模，用于決定繪制哪些匹配結(jié)果，默認為空，表示繪制所有匹配結(jié)果。flags為標志，可設(shè)置為下列參數(shù)值。暴力匹配器對象操作01cv2.DrawMatchesFlags_DEFAULT默認方式，繪制兩個源圖像、匹配項和單個關(guān)鍵點，沒有圍繞關(guān)鍵點的圓以及關(guān)鍵點的大小和方向02cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS不會繪制單個關(guān)鍵點04cv2.DrawMatchesFlags_DRAW_RICH_KEYPOINTS在關(guān)鍵點周圍繪制具有關(guān)鍵點大小和方向的圓圈03cv2.DrawMatchesFlags_DRAW_OVER_OUTIMG根據(jù)輸出圖像的現(xiàn)有內(nèi)容進行繪制暴力匹配器對象操作暴力匹配器對象的knnMatch()方法可返回指定數(shù)量的最佳匹配結(jié)果，其基本格式如下。ms=bf.knnMatch(des1,des2,k=n)參數(shù)說明如下。ms為返回的匹配結(jié)果列表，每個列表元素是一個子列表，它包含了由參數(shù)k指定個數(shù)的DMatch對象。des1為查詢描述符。des2為訓(xùn)練描述符。k為返回的最佳匹配個數(shù)。暴力匹配器對象操作示例importcv2importmatplotlib.pyplotaspltimg1=cv2.imread('xhu1.jpg',cv2.IMREAD_GRAYSCALE) img2=cv2.imread('xhu2.jpg',cv2.IMREAD_GRAYSCALE) orb=cv2.ORB_create() kp1,des1=orb.detectAndCompute(img1,None)kp2,des2=orb.detectAndCompute(img2,None)bf=cv2.BFMatcher_create(cv2.NORM_HAMMING,crossCheck=True)

ms=bf.match(des1,des2)