Svep för att visa menyn

Hörn- och Blobdetektering

Hörndetektering

Hörndetektering används för att identifiera skarpa intensitetsförändringar där två kanter möts. Det är användbart för funktionsmatchning, objektspårning och strukturigenkänning.

Populära metoder:

Harris-hörndetektor (cv2.cornerHarris): detekterar hörn baserat på gradientförändringar;

Shi-Tomasi-hörndetektor (cv2.goodFeaturesToTrack): väljer de starkaste hörnen i en bild;

Blobdetektering

Blobdetektering hittar områden med liknande intensitet i en bild, användbart för objektdetektering och spårning.

En av de populära metoderna för blobdetektering är SimpleBlobDetector

cv2.SimpleBlobDetector: detekterar nyckelpunkter som representerar blobbar baserat på storlek, form och intensitet.

Uppgift

Swipe to start coding

Du har fått bilder av en fabrik (factory) och solrosor (sunflowers):

Konvertera bilden factory till gråskala och spara i variabeln gray_factory;
Konvertera bilden sunflowers till gråskala och spara i variabeln gray_sunflowers;
För Harris-detektorn är det nödvändigt att konvertera bildmatrisen till float32, gör detta och spara i gray_float;
Applicera Harris-hörndetektering och spara i harris_corners (rekommenderade parametrar blockSize=2, ksize=3, k=0.04);
Använd dilate() för att förbättra synligheten av harris_corners;
Applicera Shi-Tomasi-hörndetektering på bilden och spara i shi_tomasi_corners (rekommenderade parametrar gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10)
Skapa ett SimpleBlobDetector_Params-objekt för att initiera parametrarna och spara i params;
Skapa en blobdetektor med angivna parametrar och spara i detector;
Detektera blob-nyckelpunkter och spara i keypoints.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 8

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Hörn- och Blobdetektering

Hörndetektering

Hörndetektering används för att identifiera skarpa intensitetsförändringar där två kanter möts. Det är användbart för funktionsmatchning, objektspårning och strukturigenkänning.

Populära metoder:

Harris-hörndetektor (cv2.cornerHarris): detekterar hörn baserat på gradientförändringar;

Shi-Tomasi-hörndetektor (cv2.goodFeaturesToTrack): väljer de starkaste hörnen i en bild;

Blobdetektering

Blobdetektering hittar områden med liknande intensitet i en bild, användbart för objektdetektering och spårning.

En av de populära metoderna för blobdetektering är SimpleBlobDetector

cv2.SimpleBlobDetector: detekterar nyckelpunkter som representerar blobbar baserat på storlek, form och intensitet.

Uppgift

Swipe to start coding

Du har fått bilder av en fabrik (factory) och solrosor (sunflowers):

Konvertera bilden factory till gråskala och spara i variabeln gray_factory;
Konvertera bilden sunflowers till gråskala och spara i variabeln gray_sunflowers;
För Harris-detektorn är det nödvändigt att konvertera bildmatrisen till float32, gör detta och spara i gray_float;
Applicera Harris-hörndetektering och spara i harris_corners (rekommenderade parametrar blockSize=2, ksize=3, k=0.04);
Använd dilate() för att förbättra synligheten av harris_corners;
Applicera Shi-Tomasi-hörndetektering på bilden och spara i shi_tomasi_corners (rekommenderade parametrar gray_factory, maxCorners=100, qualityLevel=0.01, minDistance=10)
Skapa ett SimpleBlobDetector_Params-objekt för att initiera parametrarna och spara i params;
Skapa en blobdetektor med angivna parametrar och spara i detector;
Detektera blob-nyckelpunkter och spara i keypoints.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 8

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan