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.
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 variávelgray_factory
; - Converter a imagem
sunflowers
para escala de cinza e armazenar na variávelgray_sunflowers
; - É necessário para o Detector de Harris converter a matriz da imagem para
float32
, faça isso e armazene emgray_float
; - Aplicar a detecção de cantos de Harris e armazenar em
harris_corners
(parâmetros recomendadosblockSize=2, ksize=3, k=0.04
); - Utilizar
dilate()
para melhorar a visibilidade deharris_corners
; - Aplicar a detecção de cantos Shi-Tomasi na imagem e armazenar em
shi_tomasi_corners
(parâmetros recomendadosgray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10
) - Criar o objeto
SimpleBlobDetector_Params
para inicializar os parâmetros e armazenar emparams
; - Criar um detector de blobs com os parâmetros especificados e armazenar em
detector
; - Detectar os keypoints dos blobs e armazenar em
keypoints
.
Solução
Obrigado pelo seu feedback!