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

用法: skimage.feature.corner_subpix(image, corners, window_size=11, alpha=0.99)

确定角的亚像素位置。

统计测试决定拐角是定义为两条边的交点还是单个峰。根据分类结果，根据grey-values的局部协方差确定子像素角位置。如果任一统计检验的显著性水平不够，则无法对角点进行分类，并将输出子像素位置设置为NaN

参数：

image：(M, N) ndarray: 输入图像。
corners：(K, 2) 数组: 角坐标(行，列)。
window_size：int 可选: 子像素估计的搜索窗口大小。
alpha：浮点数，可选: 角分类的显著性水平。

positions：(K, 2) 数组: 亚像素角位置。 NaN 用于“not classified” 角。

参考：

1: Förstner, W., & Gülch, E. (1987, June). A fast operator for detection and precise location of distinct points, corners and centres of circular features. In Proc. ISPRS intercommission conference on fast processing of photogrammetric data (pp. 281-305). https://cseweb.ucsd.edu/classes/sp02/cse252/foerstner/foerstner.pdf
2: https://en.wikipedia.org/wiki/Corner_detection

例子：

>>> from skimage.feature import corner_harris, corner_peaks, corner_subpix
>>> img = np.zeros((10, 10))
>>> img[:5, :5] = 1
>>> img[5:, 5:] = 1
>>> img.astype(int)
array([[1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0, 1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0, 1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0, 1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]])
>>> coords = corner_peaks(corner_harris(img), min_distance=2)
>>> coords_subpix = corner_subpix(img, coords, window_size=7)
>>> coords_subpix
array([[4.5, 4.5]])

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_subpix。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：