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.
Swipe to start coding
Je krijgt de afbeeldingen van een fabriek (factory
) en zonnebloemen (sunflowers
):
- Zet de afbeelding
factory
om naar grijswaarden en sla deze op in de variabelegray_factory
; - Zet de afbeelding
sunflowers
om 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_corners
te 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
Bedankt voor je feedback!