• harris 算法python实现


    harris 最常用作特征检测算法。

         第一个文件harris.py

    <pre name="code" class="python">from scipy.ndimage import filters
    from numpy import *
    from pylab import *
    def compute_harris_response(im,sigma=3):
        imx=zeros(im.shape)#计算导数
        filters.gaussian_filter(im,(sigma,sigma),(0,1),imx)
        imy=zeros(im.shape)
        filters.gaussian_filter(im,(sigma,sigma),(1,0),imy)
        Wxx=filters.gaussian_filter(imx*imx,sigma)
       #计算harris矩阵分量   
        Wxy=filters.gaussian_filter(imx*imy,sigma)
        Wyy=filters.gaussian_filter(imy*imy,sigma)
        Wdet=Wxx*Wyy-Wxy**2    #计算矩阵的特征值和迹
        Wtr=Wxx+Wyy
        return  Wdet/Wtr
    def get_harris_points(harrisim,min_dist=10,threshold=0.1):
        conner_threshold=harrisim.max()*threshold
        harrisim_t=(harrisim>conner_threshold)*1
        
        coords=array(harrisim_t.nonzero()).T
        candidate_values=[harrisim[c[0],c[1]] for c in coords]
        index=argsort(candidate_values)
        allowed_locations=zeros(harrisim.shape)
        allowed_locations[min_dist:-min_dist,min_dist:-min_dist]=1
        filtered_coords=[]
        for i in index:
            if allowed_locations[coords[i,0],coords[i,1]]==1:
                filtered_coords.append(coords[i])
                allowed_locations[(coords[i,0]-min_dist):(coords[i,0]+min_dist),(coords[i,1]-min_dist):(coords[i,1]+min_dist)]=0#此处保证min_dist*min_dist仅仅有一个harris特征点
        return filtered_coords
    def plot_harris_points(image,filtered_coords):
        figure()
        gray()
        imshow(image)
        plot([p[1] for p in filtered_coords],[p[0]for p in filtered_coords],'+')
        axis('off')
        show()
    
    
    

    
    第二个文件測试算法
    

    from PIL import Image
    
    from numpy import *
    import harris
    from pylab import *
    from scipy.ndimage import filters
    im=array(Image.open('33.jpg').convert('L'))
    harrisim=harris.compute_harris_response(im)
    filtered_coords=harris.get_harris_points(harrisim)
    harris.plot_harris_points(im,filtered_coords)
    



    版权声明:本文博客原创文章,博客,未经同意,不得转载。

  • 相关阅读:
    关于MATLAB收集人工鼠标移动轨迹的坐标
    对交叉验证的认识
    关于MATLAB处理大数据坐标文件2017624
    关于MATLAB处理大数据坐标文件2017622
    关于MATLAB处理大数据坐标文件2017620
    关于MATLAB处理大数据坐标文件201763
    关于MATLAB处理大数据坐标文件201762
    关于MATLAB处理大数据坐标文件201761
    关于MATLAB处理大数据坐标文件2017530
    [leetcode] 70. Climbing Stairs 解题报告
  • 原文地址:https://www.cnblogs.com/bhlsheji/p/4667745.html
Copyright © 2020-2023  润新知