Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Detecção de Cantos e Blobs | Processamento de Imagens com OpenCV
Fundamentos de Visão Computacional

Deslize para mostrar o menu

book
Detecção de Cantos e Blobs

Detecção de Cantos

A detecção de cantos é utilizada para identificar mudanças abruptas de intensidade onde dois contornos se encontram. Auxilia na correspondência de características, rastreamento de objetos e reconhecimento de estruturas.

Métodos Populares:

  • Detector de cantos de Harris (cv2.cornerHarris): detecta cantos com base em variações de gradiente;

  • Detector de cantos de Shi-Tomasi (cv2.goodFeaturesToTrack): seleciona os cantos mais fortes em uma imagem;

Detecção de Blobs

A detecção de blobs identifica regiões de intensidade semelhante em uma imagem, sendo útil para detecção e rastreamento de objetos.

Um dos métodos populares para detecção de blobs é o SimpleBlobDetector

  • cv2.SimpleBlobDetector: detecta keypoints que representam blobs com base em tamanho, formato e intensidade.

Tarefa

Swipe to start coding

Você recebe as imagens de fábrica (factory) e girassóis (sunflowers):

  • Converter a imagem factory para escala de cinza e armazenar na variável gray_factory;
  • Converter a imagem sunflowers para escala de cinza e armazenar na variável gray_sunflowers;
  • É necessário para o Detector de Harris converter a matriz da imagem para float32, faça isso e armazene em gray_float;
  • Aplicar a detecção de cantos de Harris e armazenar em harris_corners (parâmetros recomendados blockSize=2, ksize=3, k=0.04);
  • Utilizar dilate() para melhorar a visibilidade de harris_corners;
  • Aplicar a detecção de cantos Shi-Tomasi na imagem e armazenar em shi_tomasi_corners (parâmetros recomendados gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10)
  • Criar o objeto SimpleBlobDetector_Params para inicializar os parâmetros e armazenar em params;
  • Criar um detector de blobs com os parâmetros especificados e armazenar em detector;
  • Detectar os keypoints dos blobs e armazenar em keypoints.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 8
Sentimos muito que algo saiu errado. O que aconteceu?

Pergunte à IA

expand
ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

book
Detecção de Cantos e Blobs

Detecção de Cantos

A detecção de cantos é utilizada para identificar mudanças abruptas de intensidade onde dois contornos se encontram. Auxilia na correspondência de características, rastreamento de objetos e reconhecimento de estruturas.

Métodos Populares:

  • Detector de cantos de Harris (cv2.cornerHarris): detecta cantos com base em variações de gradiente;

  • Detector de cantos de Shi-Tomasi (cv2.goodFeaturesToTrack): seleciona os cantos mais fortes em uma imagem;

Detecção de Blobs

A detecção de blobs identifica regiões de intensidade semelhante em uma imagem, sendo útil para detecção e rastreamento de objetos.

Um dos métodos populares para detecção de blobs é o SimpleBlobDetector

  • cv2.SimpleBlobDetector: detecta keypoints que representam blobs com base em tamanho, formato e intensidade.

Tarefa

Swipe to start coding

Você recebe as imagens de fábrica (factory) e girassóis (sunflowers):

  • Converter a imagem factory para escala de cinza e armazenar na variável gray_factory;
  • Converter a imagem sunflowers para escala de cinza e armazenar na variável gray_sunflowers;
  • É necessário para o Detector de Harris converter a matriz da imagem para float32, faça isso e armazene em gray_float;
  • Aplicar a detecção de cantos de Harris e armazenar em harris_corners (parâmetros recomendados blockSize=2, ksize=3, k=0.04);
  • Utilizar dilate() para melhorar a visibilidade de harris_corners;
  • Aplicar a detecção de cantos Shi-Tomasi na imagem e armazenar em shi_tomasi_corners (parâmetros recomendados gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10)
  • Criar o objeto SimpleBlobDetector_Params para inicializar os parâmetros e armazenar em params;
  • Criar um detector de blobs com os parâmetros especificados e armazenar em detector;
  • Detectar os keypoints dos blobs e armazenar em keypoints.

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 8
Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Sentimos muito que algo saiu errado. O que aconteceu?
some-alt