Hoek- en Blobdetectie
Hoekdetectie
Hoekdetectie wordt gebruikt om scherpe veranderingen in intensiteit te identificeren waar twee randen samenkomen. Het helpt bij kenmerkherkenning, objecttracking en structuuranalyse.
Populaire methoden:
- Harris-hoekdetector (
cv2.cornerHarris): detecteert hoeken op basis van gradiëntveranderingen;
- Shi-Tomasi-hoekdetector (
cv2.goodFeaturesToTrack): selecteert de sterkste hoeken in een afbeelding;
Blobdetectie
Blobdetectie vindt regio's met vergelijkbare intensiteit in een afbeelding, nuttig voor objectdetectie en tracking.
Een van de populaire methoden voor blobdetectie is SimpleBlobDetector
cv2.SimpleBlobDetector: detecteert keypoints die blobs vertegenwoordigen op basis van grootte, vorm en intensiteit.
Taak
Swipe to start coding
Je krijgt de afbeeldingen van een fabriek (factory) en zonnebloemen (sunflowers):
- Zet de afbeelding
factoryom naar grijswaarden en sla deze op in de variabelegray_factory; - Zet de afbeelding
sunflowersom naar grijswaarden en sla deze op in de variabelegray_sunflowers; - Voor de Harris Detector is het noodzakelijk om de afbeeldingsmatrix om te zetten naar
float32, doe dit en sla op ingray_float; - Pas Harris-hoekdetectie toe en sla het resultaat op in
harris_corners(aanbevolen parameters:blockSize=2, ksize=3, k=0.04); - Gebruik
dilate()om de zichtbaarheid vanharris_cornerste verbeteren; - Pas Shi-Tomasi-hoekdetectie toe op de afbeelding en sla het resultaat op in
shi_tomasi_corners(aanbevolen parameters:gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10) - Maak een
SimpleBlobDetector_Params-object aan om de parameters te initialiseren en sla dit op inparams; - Maak een blobdetector met de opgegeven parameters en sla deze op in
detector; - Detecteer blob keypoints en sla deze op in
keypoints.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesWas alles duidelijk?
Bedankt voor je feedback!
