Ecken- und Blob-Erkennung
Eckenerkennung
Die Eckenerkennung dient zur Identifizierung von starken Intensitätsänderungen an Stellen, an denen sich zwei Kanten treffen. Sie unterstützt das Merkmalsabgleich, die Objektverfolgung und die Strukturerkennung.
Gängige Methoden:
- Harris-Eckendetektor (
cv2.cornerHarris): erkennt Ecken basierend auf Gradientenänderungen;
- Shi-Tomasi-Eckendetektor (
cv2.goodFeaturesToTrack): wählt die stärksten Ecken in einem Bild aus;
Blob-Erkennung
Die Blob-Erkennung findet Bereiche mit ähnlicher Intensität in einem Bild und ist nützlich für die Objekterkennung und -verfolgung.
Eine der gängigen Methoden zur Blob-Erkennung ist SimpleBlobDetector
cv2.SimpleBlobDetector: erkennt Keypoints, die Blobs anhand von Größe, Form und Intensität repräsentieren.
Swipe to start coding
Sie erhalten die Bilder einer Fabrik (factory) und Sonnenblumen (sunflowers):
- Umwandlung des
factory-Bildes in Graustufen und Speicherung in der Variablegray_factory; - Umwandlung des
sunflowers-Bildes in Graustufen und Speicherung in der Variablegray_sunflowers; - Für den Harris-Detektor ist es notwendig, die Bildmatrix in
float32umzuwandeln; führen Sie dies durch und speichern Sie das Ergebnis ingray_float; - Wenden Sie die Harris-Eckendetektion an und speichern Sie das Ergebnis in
harris_corners(empfohlene Parameter:blockSize=2, ksize=3, k=0.04); - Verwenden Sie
dilate(), um die Sichtbarkeit derharris_cornerszu verbessern; - Wenden Sie die Shi-Tomasi-Eckendetektion auf das Bild an und speichern Sie das Ergebnis in
shi_tomasi_corners(empfohlene Parameter:gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10) - Erstellen Sie ein
SimpleBlobDetector_Params-Objekt zur Initialisierung der Parameter und speichern Sie es inparams; - Erstellen Sie einen Blob-Detektor mit den angegebenen Parametern und speichern Sie ihn in
detector; - Erkennen Sie Blob-Keypoints und speichern Sie diese in
keypoints.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Zusammenfassen Sie dieses Kapitel
Code in file erklären
Erklären, warum file die Aufgabe nicht löst
Awesome!
Completion rate improved to 3.45Ecken- und Blob-Erkennung
Swipe um das Menü anzuzeigen
Eckenerkennung
Die Eckenerkennung dient zur Identifizierung von starken Intensitätsänderungen an Stellen, an denen sich zwei Kanten treffen. Sie unterstützt das Merkmalsabgleich, die Objektverfolgung und die Strukturerkennung.
Gängige Methoden:
- Harris-Eckendetektor (
cv2.cornerHarris): erkennt Ecken basierend auf Gradientenänderungen;
- Shi-Tomasi-Eckendetektor (
cv2.goodFeaturesToTrack): wählt die stärksten Ecken in einem Bild aus;
Blob-Erkennung
Die Blob-Erkennung findet Bereiche mit ähnlicher Intensität in einem Bild und ist nützlich für die Objekterkennung und -verfolgung.
Eine der gängigen Methoden zur Blob-Erkennung ist SimpleBlobDetector
cv2.SimpleBlobDetector: erkennt Keypoints, die Blobs anhand von Größe, Form und Intensität repräsentieren.
Swipe to start coding
Sie erhalten die Bilder einer Fabrik (factory) und Sonnenblumen (sunflowers):
- Umwandlung des
factory-Bildes in Graustufen und Speicherung in der Variablegray_factory; - Umwandlung des
sunflowers-Bildes in Graustufen und Speicherung in der Variablegray_sunflowers; - Für den Harris-Detektor ist es notwendig, die Bildmatrix in
float32umzuwandeln; führen Sie dies durch und speichern Sie das Ergebnis ingray_float; - Wenden Sie die Harris-Eckendetektion an und speichern Sie das Ergebnis in
harris_corners(empfohlene Parameter:blockSize=2, ksize=3, k=0.04); - Verwenden Sie
dilate(), um die Sichtbarkeit derharris_cornerszu verbessern; - Wenden Sie die Shi-Tomasi-Eckendetektion auf das Bild an und speichern Sie das Ergebnis in
shi_tomasi_corners(empfohlene Parameter:gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10) - Erstellen Sie ein
SimpleBlobDetector_Params-Objekt zur Initialisierung der Parameter und speichern Sie es inparams; - Erstellen Sie einen Blob-Detektor mit den angegebenen Parametern und speichern Sie ihn in
detector; - Erkennen Sie Blob-Keypoints und speichern Sie diese in
keypoints.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
