Detección de Esquinas y Blobs
Detección de Esquinas
La detección de esquinas se utiliza para identificar cambios bruscos en la intensidad donde se encuentran dos bordes. Es útil en la coincidencia de características, el seguimiento de objetos y el reconocimiento de estructuras.
Métodos Populares:
Detector de esquinas de Harris (
cv2.cornerHarris
): detecta esquinas basándose en los cambios de gradiente;
Detector de esquinas de Shi-Tomasi (
cv2.goodFeaturesToTrack
): selecciona las esquinas más fuertes en una imagen;
Detección de Blobs
La detección de blobs encuentra regiones de intensidad similar en una imagen, útil para la detección y el seguimiento de objetos.
Uno de los métodos populares para la detección de blobs es SimpleBlobDetector
cv2.SimpleBlobDetector
: detecta puntos clave que representan blobs según el tamaño, la forma y la intensidad.
Swipe to start coding
Se proporcionan las imágenes de una fábrica (factory
) y de girasoles (sunflowers
):
- Convertir la imagen
factory
a escala de grises y almacenar en la variablegray_factory
; - Convertir la imagen
sunflowers
a escala de grises y almacenar en la variablegray_sunflowers
; - Es necesario para el Detector de Harris convertir la matriz de la imagen a
float32
, realizarlo y almacenar engray_float
; - Aplicar la detección de esquinas de Harris y almacenar en
harris_corners
(parámetros recomendados:blockSize=2, ksize=3, k=0.04
); - Utilizar
dilate()
para mejorar la visibilidad deharris_corners
; - Aplicar la detección de esquinas Shi-Tomasi a la imagen y almacenar en
shi_tomasi_corners
(parámetros recomendados:gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10
) - Crear un objeto
SimpleBlobDetector_Params
para inicializar los parámetros y almacenar enparams
; - Crear un detector de blobs con los parámetros especificados y almacenar en
detector
; - Detectar los puntos clave de los blobs y almacenar en
keypoints
.
Solución
¡Gracias por tus comentarios!