pycharm+ win7
opencv3+python3
cornerHarris是角点判断的关键函数。# cv.cornerHarris(src, blockSize, ksize, k, dst=None, borderType=None)# src：数据类型为 float32 图像# blockSize：角点检测区域大小# ksize：Sobel求导中使用的窗口大小# k：一般取[0.04 0.06]# dst：输出图像# borderType：边界的类型import cv2 as cvimport numpy as npimport copyimport osfrom matplotlib import pyplot as pltfrom skimage.measure import compare_ssimimport randomimage = cv.imread('c:\\meiping1.png')cv.imshow('image',image)先引入梅瓶图
角点的几个特点：角点是根据窗口（或者核）在移动过程中如果窗口内灰度值变化很大说明遇到角点。如果水平或垂直的方向变动 都不会对窗口内灰度值有大的影响，说明是内部区域Harris角点检测的结果是灰度图，通过对为角点值的打分进行。
转化为灰度并且转成浮点数，不转成浮点求导就可能有问题gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)cv.imshow('gray',gray)通过np转为浮点数！ 重要！gray = np.float32(gray)
cornerHarris的最后一个参数选0.04 到 0.05 之间cornerHarris = cv.cornerHarris(gray,2,3,0.041)cv.imshow('cornerHarris',cornerHarris)我们可以观察貌似监测到的很多# src：输入图像# blockSize：角点检测区域大小# ksize：窗口大小# k：参数为 [0.04 0.06]# dst：输出图像# borderType：边界类型
根据形态学理论 进行膨胀一下，让图变胖dilate = cv.dilate(cornerHarris,None)cv.imshow('dilate',dilate)# dilate参数：# src:原图。# dst：目标。# element:腐蚀操作的内核。 默认3x3 矩阵。可用getStructuringElement().# anchor:默认为Point(-1,-1),内核中心点。省略时为默认值。# iterations:腐蚀次数。省略时为默认值1。# borderType:推断边缘类型，默认为BORDER_DEFAULT，省略时为默认值。# borderValue:边缘值
通过dilate>0.1*dilate.max()去寻找角点，找出角点特征最明显的然后变蓝色标识角点image[dilate>0.1*dilate.max()]=[255,0,0]# cv.threshold(cornerHarris, cornerHarris, 0.001, 255, cv.THRESH_BINARY)cv.imshow('cornerHarris_result1',image)# cv.imshow('cornerHarris_result2',cornerHarris)cv.waitKey(0)cv.destroyAllWindows()
通过对焦点的检测，为后续轮廓处理打下基础。
先检测 再膨胀，最后找出接近最大值的10%复合角点特征的画点 标识。
通过膨胀操作后的dilate>0.1*dilate.max()去寻找角点，找出角点特征最明显的。