2022-04-03 特征点和Hough变换形状检测（实验）

Luo_淳

已于 2022-04-12 14:29:07 修改

阅读量2.9k

点赞数

分类专栏：专业学习文章标签：人工智能 opencv python

于 2022-04-12 14:17:09 首次发布

本文链接：https://blog.youkuaiyun.com/studyplayhappy/article/details/124122502

版权

本文通过实验介绍了如何使用OpenCV进行特征点检测，如Harris和SIFT，以及Hough变换进行形状检测，包括直线和圆形。实验分析了Harris和SIFT在图像旋转变化下的效果，指出SIFT在效率和稳定性上的优势。还讨论了Canny边缘检测和霍夫变换的原理，以及OpenCV全景图的拼接方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

人工智能应用——特征点和Hough变换形状检测

一、实验目的

掌握图像特征点提取
掌握图像的边缘提取
掌握Hough形状检测

二、实验内容与记录

使用OpenCV对图像进行Harris，SIFT特征点提取，并标注特征点。

Harris：
SIFT：

代码：

import cv2
import numpy as np
import imutils 
img = cv2.imread("\small_fish.jpg",1)

# Harris特征点提取
origin = img.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换成灰度图
dst = cv2.cornerHarris(gray, blockSize=2, ksize=3, k=0.04)
dst = cv2.dilate(dst, None)
img[dst > 0.01 * dst.max()] = [0, 0, 255]

cv2.imshow('origin', origin)
cv2.imshow('Harris', img)
cv2.waitKey(0)

# SIFT特征检测
sift = cv2.xfeatures2d.SIFT_create()  # 得到特征点
kp = sift.detect(gray, None)
cv2.drawKeypoints(gray, kp, img)

cv2.imshow('origin', origin)
cv2.imshow('SIFT', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用OpenCV对图像Canny边缘检测，显示并保存。

代码：

import cv2
o = cv2.imread("\small_fish.jpg",cv2.IMREAD_GRAYSCALE)
r = cv2.Canny(o,32,128)

cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

cv2.imwrite("\small_fish_1.jpg", r, [cv2.IMWRITE_PNG_COMPRESSION, 0])

使用OpenCV对house.tif进行霍夫直线检测，对硬币图片进行霍夫圆形检测。

霍夫直线检测：

代码：

import cv2
img = cv2.imread("\house.jpg")
house = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(house, 50, 200)
lines = cv2.HoughLines(edges, 1, np.pi/180, 260) 
print(np

最低0.47元/天解锁文章