小白的树莓派Tensorflow opencv 学习笔记（八）

最新推荐文章于 2025-03-27 23:09:56 发布

czkjmohzy

最新推荐文章于 2025-03-27 23:09:56 发布

阅读量407

点赞数

文章标签： opencv 计算机视觉

本文链接：https://blog.youkuaiyun.com/weixin_43874764/article/details/104328727

版权

本文是作者在树莓派上学习OpenCV的笔记，重点介绍了特征检测算法，如Harris角点检测和Shi-Tomas角点检测，以及基于ORB的特征检测和匹配方法，包括FAST、BRIEF等。文中通过实例展示了如何使用OpenCV进行角点检测，并探讨了特征匹配中的暴力匹配策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

之前想用TensorFlow + OpenCV做目标检测，但是最后因为TF2.0资料属实不多所以夭折了，不过OpenCV还是非常值得学习的。

特征检测算法

OpenCV中比较常用的特征检测和提取算法：

Harris：用于角点检测
SIFT：用于斑点检测
SERF：用于斑点检测
FAST：用于角点检测
BRIEF：用于斑点检测
ORB：带方向的FAST算法和具有旋转不变性的BRIEF算法（暴力匹配和基于FLANN的匹配法）

特征

上述算法中提到了角点和斑点，这是两种重要的特征。特征是有意义的图像区域。

cornerHarris角点特征

Harris算法中认为，平坦区域在所有方向上都没有明显的梯度变化，边缘区域在某个方向上有明显的梯度变化，角度边缘则在各个方向都有明显的梯度变化。

下面用一张国际象棋的图片和cornerHarris演示角点识别

import cv2
import numpy as np

img = cv2.imread('chess.jpg')
gray1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#灰化,可以降低维度，将三通道变为一通道
gray = np.float32(gray1)
dst = cv2.cornerHarris(gray, 2, 15, 0.04)
#参数依次为：输入图像

最低0.47元/天解锁文章