用python编程实现corner detection算 法(不可以直接使用opencv或者其他库的 corner detection现成函数)给出完整代码

### 使用 Python 实现角点检测算法 以下是基于 Harris 角点检测原理的一个简单实现,该方法通过计算图像梯度并评估局部区域内的变化来检测角点。此代码完全不依赖 OpenCV 或其他第三方库。 #### 原理概述 Harris 角点检测的核心在于分析像素邻域的变化情况。如果某个像素在其周围的小窗口内无论朝哪个方向移动都会引起显著的灰度变化,则认为它是角点。具体来说,它利用自相关矩阵 \(M\) 的特征值特性来进行判断[^1]。 ```python import numpy as np from scipy.ndimage import convolve import matplotlib.pyplot as plt def compute_harris_response(gray_img, k=0.04): """ 计算 Harris 角点响应。 :param gray_img: 输入的灰度图像 (numpy array) :param k: 阈值系数,默认为 0.04 :return: R - Harris 角点响应图 """ # Sobel 算子用于边缘检测 sobel_x = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], dtype=np.float32) sobel_y = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]], dtype=np.float32) Ix = convolve(gray_img.astype(np.float32), sobel_x) # X 方向梯度 Iy = convolve(gray_img.astype(np.float32), sobel_y) # Y 方向梯度 # 构建结构张量 M Ixx = Ix ** 2 Iyy = Iy ** 2 Ixy = Ix * Iy # Gaussian 平滑处理 sigma = 1.5 size = int(6 * sigma + 1) gaussian_kernel = create_gaussian_kernel(sigma, size) S_xx = convolve(Ixx, gaussian_kernel) S_yy = convolve(Iyy, gaussian_kernel) S_xy = convolve(Ixy, gaussian_kernel) # 计算行列式和迹 det_M = S_xx * S_yy - S_xy ** 2 trace_M = S_xx + S_yy # Harris 角点响应函数 R = det_M - k * (trace_M ** 2) return R def non_max_suppression(R, threshold=1e7, window_size=3): """ 对 Harris 角点响应应用非极大值抑制。 :param R: Harris 角点响应图 :param threshold: 响应阈值 :param window_size: 抑制窗口大小 :return: corners - 检测到的角点坐标列表 [(row, col)] """ h, w = R.shape padding = window_size // 2 padded_R = np.pad(R, ((padding, padding), (padding, padding)), mode='constant', constant_values=0) corners = [] for i in range(padding, h + padding): for j in range(padding, w + padding): if R[i - padding, j - padding] > threshold: local_window = padded_R[i - padding:i + padding + 1, j - padding:j + padding + 1] if R[i - padding, j - padding] == np.max(local_window): corners.append((i - padding, j - padding)) return corners def create_gaussian_kernel(sigma, kernel_size): """ 创建高斯核。 :param sigma: 标准差 :param kernel_size: 核尺寸 :return: 高斯核数组 """ ax = np.linspace(-(kernel_size // 2), kernel_size // 2, kernel_size) xx, yy = np.meshgrid(ax, ax) kernel = np.exp(-0.5 * (np.square(xx) + np.square(yy)) / np.square(sigma)) return kernel / np.sum(kernel) # 测试部分 if __name__ == "__main__": image_path = 'test_image.png' # 替换为你自己的图片路径 img = plt.imread(image_path) if len(img.shape) == 3: # 如果是彩色图像则转为灰度 gray_img = np.dot(img[..., :3], [0.2989, 0.5870, 0.1140]) else: gray_img = img.copy() R = compute_harris_response(gray_img) corners = non_max_suppression(R) fig, ax = plt.subplots() ax.imshow(gray_img, cmap='gray') ax.plot([c[1] for c in corners], [c[0] for c in corners], '+r', markersize=10) plt.show() ``` --- ### 关键说明 上述代码实现了 Harris 角点检测的主要功能模块: 1. **Sobel 边缘检测**: 使用手动定义的 Sobel 算子提取图像的水平和垂直梯度。 2. **Gaussian 平滑**: 自己构建了一个简单的二维高斯滤波器以平滑梯度平方项。 3. **Harris 响应计算**: 结合梯度信息与高斯加权后的协方差矩阵,得到最终的 Harris 响应图。 4. **非极大值抑制**: 提取具有最大响应值的位置作为候选角点,并去除冗余点。 整个过程未调用任何外部库中的预置函数(如 OpenCV 中的 `cv2.cornerHarris()`),而是依靠 NumPy 和 SciPy 进行数值运算以及卷积操作。 --- ### 相关问题

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

Vehicle-Speed-Detection:使用OpenCV检测车辆速度的简单python代码

Vehicle-Speed-Detection:使用OpenCV检测车辆速度的简单python代码

车辆速度检测 使用OpenCV检测车辆速度的简单python代码

python使用pycharm环境调用opencv库

python使用pycharm环境调用opencv库

主要介绍了python使用pycharm环境调用opencv库,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧

OpenCV+Python+Dlib面部标定、眨眼和疲劳检测代码

OpenCV+Python+Dlib面部标定、眨眼和疲劳检测代码

基于OpenCV和Python的Dlib库驾驶疲劳监测代码。包括面部标定、眨眼检测、疲劳监测,包含shape_predictor_68_face_landmarks.dat文件,代码可以运行。

python+opencv 实现需要的 imutils库

python+opencv 实现需要的 imutils库

opencv需要的imutils库。pycharm无法加载时可以下载使用。亲测可用

opencv python 车牌识别代码 可以直接运行

opencv python 车牌识别代码 可以直接运行

opencv python 车牌识别代码 可以直接运行

python环境下安装opencv库的方法

python环境下安装opencv库的方法

注意:安装opencv之前需要先安装numpy,matplotlib等 一、安装方法 方法一、在线安装 1.先安装opencv-python pip install opencv-python --user 我的python版本是3.6.8,可以看到opencv安装的默认版本是 opencv_python-4.1.0.25-cp36-cp36m-win_amd64.whl 2.再安装opencv-contrib-python pip install opencv-contrib-python --user 备注1:此种方法安装后,import cv2 as cv后,代码可以正常运行,但是

Python基于Opencv来快速实现人脸识别过程详解(完整版)

Python基于Opencv来快速实现人脸识别过程详解(完整版)

主要介绍了Python基于Opencv来快速实现人脸识别过程详解(完整版)随着人工智能的日益火热,计算机视觉领域发展迅速,今天就为大家带来最基础的人脸识别基础,从一个个函数开始走进这个奥妙的世界,需要的朋友可以参考下

python opencv实现图片缺陷检测(讲解直方图以及相关系数对比法)

python opencv实现图片缺陷检测(讲解直方图以及相关系数对比法)

主要介绍了python opencv 图片缺陷检测,主要讲解直方图以及相关系数对比法,本文通过实例截图给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

python opencv对图像进行旋转且不裁剪图片的实现方法

python opencv对图像进行旋转且不裁剪图片的实现方法

今天小编就为大家分享一篇python opencv对图像进行旋转且不裁剪图片的实现方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

opencv3+python人脸检测和识别- 完整实战项目源代码

opencv3+python人脸检测和识别- 完整实战项目源代码

用python+opencv实现的人脸识别,可作为学习人脸识别的小伙伴的参考

OpenCV+python实现实时目标检测功能

OpenCV+python实现实时目标检测功能

主要介绍了OpenCV+python实现实时目标检测功能,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

python+freetype+opencv  中文(汉字)显示 项目完整源代码

python+freetype+opencv 中文(汉字)显示 项目完整源代码

python+freetype+opencv 中文(汉字)显示 项目完整源代码 在图片上显示中文(汉字),分享大家,别忘了好评

python实现人脸识别经典算法(一) 特征脸法

python实现人脸识别经典算法(一) 特征脸法

主要为大家详细介绍了python实现人脸识别经典算法,特征脸法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

Python+OpenCV目标跟踪实现基本的运动检测

Python+OpenCV目标跟踪实现基本的运动检测

主要为大家详细介绍了Python+OpenCV目标跟踪实现基本的运动检测,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

python和opencv实现抠图

python和opencv实现抠图

主要为大家详细介绍了使用python和opencv实现抠图,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

Python3.7中安装openCV库的方法

Python3.7中安装openCV库的方法

主要介绍了Python3.7中安装openCV库的方法,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下

Python+OpenCV实现图像融合的原理及代码

Python+OpenCV实现图像融合的原理及代码

主要介绍了Python+OpenCV实现图像融合的原理及代码,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下

Python使用Opencv实现图像特征检测与匹配的方法

Python使用Opencv实现图像特征检测与匹配的方法

主要介绍了Python使用Opencv实现图像特征检测与匹配的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

python opencv 图像拼接的实现方法

python opencv 图像拼接的实现方法

高级图像拼接也叫作基于特征匹配的图像拼接,拼接时消去两幅图像相同的部分,实现拼接合成全景图。这篇文章主要介绍了python opencv 图像拼接,需要的朋友可以参考下

Python OpenCV中的resize()函数的使用

Python OpenCV中的resize()函数的使用

主要介绍了Python OpenCV中的resize()函数的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

最新推荐最新推荐

recommend-type

集团供应链SCM计划管理现状及计划指标分析报.pptx

集团供应链SCM计划管理现状及计划指标分析报.pptx
recommend-type

【永磁同步电机的通量链接模型】使用有限元分析得到的磁通链接图来建立PMSM模型(Simulink仿真实现)

内容概要:本文介绍了如何利用有限元分析(FEA)得到的磁通链接图来建立永磁同步电机(PMSM)的高精度数学模型,并在Simulink环境中实现系统级仿真。该方法通过精确计算电机内部磁场分布,提取不同工况下的非线性磁通特性,构建能够反映饱和效应、空间谐波等实际物理现象的动态模型,从而提升电机控制系统仿真的真实性与准确性。文中详述了从有限元建模、磁通数据提取与处理,到将静态数据映射为动态方程并集成至Simulink的全流程技术方案,为高性能电机控制算法的研发提供了可靠的仿真基础。; 适合人群:具备电机学基础知识和Simulink仿真经验的电气工程及相关专业的研究生、科研人员,以及从事电机控制算法开发的工程师; 使用场景及目标:①用于高精度永磁同步电机控制系统的设计与验证;②支撑先进控制策略(如模型预测控制、自适应控制)的研究与性能优化;③替代实物实验进行多工况快速仿真测试,降低研发成本并缩短开发周期; 阅读建议:建议读者结合ANSYS Maxwell、JMAG等有限元软件与Matlab/Simulink开展联合仿真实践,重点关注磁通数据的准确提取、插值处理与动态映射方法,确保模型精度;同时可进一步拓展至温度场、损耗等多物理场耦合的完整热模型构建。
recommend-type

事业单位考试资料20261121

事业单位考试资料20261121
recommend-type

chrome-mac-arm64-158.0.8127.36(Stable).zip

内容概要:Chrome for Testing 官方 chrome 158.0.8127.36 mac-arm64 平台(稳定版通道),原版未修改,附来源说明。 适合人群:macOS Apple Silicon 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。
recommend-type

chromedriver-win64-160.0.8174.0(Canary).zip

chromedriver-win64-160.0.8174.0(Canary).zip
recommend-type

西南大学2012计信院保研试题:计算机网络解析

"西南大学2012年计信院保研题" 这篇资料涉及的是西南大学计算机与信息科学学院在2012年的保研考试题目,主要考察了计算机网络的相关知识,包括TCP/IP协议簇、网络地址、数据传输机制以及DNS应用协议等核心概念。 1. UDP(User Datagram Protocol,用户数据报协议)与IP协议虽然都是无连接的,但它们服务于不同的层次和目的。UDP提供的是无连接、不可靠的服务,适合于对实时性要求高的应用,如VoIP或在线游戏。而TCP(Transmission Control Protocol,传输控制协议)虽然也是基于IP,但它提供了面向连接、可靠的数据传输服务,确保数据包按序到达且无丢失,适用于HTTP、FTP等需要保证数据完整性的应用。因此,TCP/IP协议簇同时使用UDP是为了满足不同类型应用的需求。 2. MAC地址(Media Access Control Address)是物理网络接口的唯一标识,用于局域网内的数据帧传输。然而,MAC地址仅在局域网内部有效,无法跨网络进行识别。IP地址(Internet Protocol Address)则是全球唯一的网络层地址,使得数据包能够在互联网上正确路由。ARP(Address Resolution Protocol,地址解析协议)用于将IP地址转换为对应的MAC地址,以便在局域网内进行数据传输。 3. TCP实现可靠数据传输服务采用了多种技术,包括: - 序列号和确认应答:每个发送的数据包都有一个唯一的序列号,接收方通过确认应答来确认接收到的数据包,确保数据的有序性。 - 流量控制:通过滑动窗口机制限制发送方的发送速率,避免接收方来不及处理导致拥塞。 - 拥塞控制:当网络出现拥塞时,TCP会减缓数据发送速率,以减少拥塞。 - 重传机制:如果接收方没有收到某个数据包,它会发送负确认,发送方会重新发送丢失的数据包。 - 时间戳:用于计算往返时延并检测旧的数据包。 4. 基于TCP/IP协议的DNS(Domain Name System,域名系统)应用协议实现过程大致如下: - 用户发起DNS查询,请求将域名转换为IP地址。 - 查询通常首先发送到本地DNS解析器,如果解析器缓存中有对应记录,则直接返回结果。 - 若缓存中没有,解析器会向根DNS服务器查询,根服务器会指引到顶级域服务器。 - 顶级域服务器再指向权威DNS服务器,该服务器负责管理特定域名的记录。 - 权威服务器返回IP地址,整个过程使用TCP或UDP完成,TCP用于大数据量的区域传输,UDP用于常规查询。 5. 题目给出的网络拓扑图涉及路由器A、B、C,要求构建路由表。路由表通常包含目的地址和下一跳地址,用于指导数据包的转发。根据网络拓扑,路由器A的路由表可能如下: - 目的地址:192.168.1.0/24,下一跳:S0/0 - 目的地址:192.168.2.0/24,下一跳:S3/0 - 目的地址:192.168.3.0/24,下一跳:S1/0 - 默认路由(所有其他未列出的目的地址):S0/0 同样,需要构建路由器B和C的路由表,考虑它们与其他路由器的连接以及到目标网络的路径。这需要对网络路由原理有深入理解,包括子网掩码、默认路由、静态路由和动态路由协议等知识。
recommend-type

企业级Selenium基础设施设计(一):驱动仓库统一纳管+灰度发布+自动降级——支撑日均200万次自动化执行的工业级架构(附开源组件清单)

# 企业级 Selenium 基础设施:从偶发失败到百万级稳定执行的工程纵深 当 CI 流水线里那句熟悉的 `org.openqa.selenium.TimeoutException: timeout: Timed out receiving message from renderer` 第 17 次在凌晨三点弹出时,你盯着监控面板上那条忽高忽低的“偶发失败率”曲线——12.3%,像一道无法愈合的伤口。本地能跑通的脚本,在流水线里却像被施了诅咒;Chrome 124 刚发布,团队就陷入驱动版本、浏览器内核、glibc 版本三者交织的泥潭;某次灰度升级后,亚太区的回归任务集体超时,发布窗口被迫
recommend-type

数据流模型性能仿真常用工具有哪些?它们各自适合什么场景?

### DataFlow模型性能仿真工具和方法 对于DataFlow模型的性能仿真实验,多种工具和技术可以支持这一过程。这些工具不仅能够帮助理解数据流图的行为特性,还能评估不同优化策略的效果。 #### 工具选择 一种常用的工具是Simulink中的SimEvents扩展模块[^3]。该模块允许创建离散事件系统模型来模拟复杂的生产、通信和服务网络。通过定义实体生成器、队列、服务器和其他组件之间的交互关系,可以构建精确的数据流动态行为表示形式。 另一种专门针对多速率同步数据流程序设计的语言是Ptolemy II框架下的SDF(Synchronous Data Flow)。它提供了图形化界
recommend-type

VS2008编译Wireshark指南

"这篇文档详细介绍了如何在Windows环境下使用Visual Studio 2008 (VS2008) 编译Wireshark源代码。主要步骤包括安装VS2008、Cygwin、Python,下载Wireshark源码,修改config.nmake文件,设置环境变量,以及进行编译。特别强调了某些特定版本的选择和配置,如Wireshark 1.7.0和Python 2.7,以及针对不同VS版本的config.nmake文件的调整。" Wireshark是一款强大的网络封包分析软件,它允许用户查看网络通信的数据包详情。在Windows平台上,使用VS2008编译Wireshark源码可以帮助开发者进行定制化开发或调试。以下是详细的步骤: 1. 安装Visual Studio 2008: 选择适合自己的安装选项,确保包含必要的编译工具。VS2008的编译器将用于构建Wireshark。 2. 安装Cygwin: Cygwin是一个提供Linux环境的工具集合,用于在Windows上运行许多开源工具。在安装Cygwin时,务必选择必要的库,如Archive(解压)、Devel(开发工具,包括bison和flex)、Interpreters(Python)、Utils(patch和dos2unix)和Web(wget),这些是编译Wireshark所必需的。 3. 安装Python 2.7: Wireshark编译过程中会使用Python,因此需要确保安装正确版本。Python 2.4-2.7通常兼容,但其他版本可能存在问题。 4. 下载Wireshark源码: 选择合适的版本,建议使用Wireshark 1.7.0,因为这个版本已知与VS2008和指定的库版本兼容。注意,高版本可能需要Qt 5,需要额外安装。 5. 修改`config.nmake`文件: 在Wireshark源码根目录下找到此文件,用文本编辑器(如Notepad++)打开,取消`MSVC_VARIANT`行的注释,将其设置为`MSVC2008`。同时,确认`WIRESHARK_TARGET_PLATFORM`设置为`win32`,尽管有些教程建议改为`win64`,但在某些情况下可能导致编译错误。 6. 添加环境变量: 根据编译需要,可能需要设置或调整系统的环境变量,包括指向Cygwin、Python和其他工具的路径。 7. 编译Wireshark: 使用VS2008打开Wireshark项目,然后进行编译。如果遇到问题,检查上述步骤是否正确执行,以及所有依赖项是否已安装。 在编译过程中可能会遇到各种错误或警告,这可能需要对源代码或配置文件进行进一步调整。熟悉C++、Cygwin工具链和Wireshark的构建系统将有助于解决这些问题。编译成功后,就可以使用自定义的Wireshark版本来分析网络流量,或进行更深入的开发工作。
recommend-type

Selenium + WSL2深度整合秘籍:Windows下复现Linux级稳定性的7层隔离机制(含systemd user session注入与cgroup v2资源管控实录)

以下是对您提供的技术博文进行深度润色后的最终版本。全文严格遵循您的全部优化要求: - ✅ **完全去除所有显性标题层级**(如“引言”“2.1”“3.2.1”等),代之以自然段落过渡与语义锚点; - ✅ **打破“总—分—总”结构**,以真实工程痛点切入,将原理、代码、验证、归因、运维实践有机交织; - ✅ **彻底消除AI模板痕迹**:无“本文将…”“首先…其次…”“综上所述”等句式;大量使用设问、插入语、工程师口语化表达(如“别急着重启”“这坑我们踩过三次”“你猜怎么着?”); - ✅ **注入一线工程洞察**:每项技术选择均附带权衡说明(“为什么不用Docker?”“为何放弃--use