Python skimage.feature.corner_harris用法及代码示例

用法: skimage.feature.corner_harris(image, method='k', k=0.05, eps=1e-06, sigma=1)

计算哈里斯角测量响应图像。

该角点检测器使用来自自相关矩阵 A 的信息：

A = [(imx**2)   (imx*imy)] = [Axx Axy]
    [(imx*imy)   (imy**2)]   [Axy Ayy]

其中 imx 和 imy 是一阶导数，使用高斯滤波器进行平均。然后将角测量定义为：

det(A) - k * trace(A)**2

或者：

2 * det(A) / (trace(A) + eps)

参数：

image：(M, N) ndarray: 输入图像。
method：{‘k’, ‘eps’}，可选: 从自相关矩阵计算响应图像的方法。
k：浮点数，可选: 将角与边分开的敏感因子，通常在 [0, 0.2] 范围内。较小的 k 值会导致检测到尖角。
eps：浮点数，可选: 归一化因子(Noble 的角测量)。
sigma：浮点数，可选: 用于高斯核的标准偏差，用作自相关矩阵的加权函数。

response：ndarray: 哈里斯响应图像。

参考：

1: https://en.wikipedia.org/wiki/Corner_detection

例子：

>>> from skimage.feature import corner_harris, corner_peaks
>>> square = np.zeros([10, 10])
>>> square[2:8, 2:8] = 1
>>> square.astype(int)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])
>>> corner_peaks(corner_harris(square), min_distance=1)
array([[2, 2],
       [2, 7],
       [7, 2],
       [7, 7]])

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.feature.corner_harris。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

参考：

例子：