如何计算通过哈里斯角检测检测到的特征数量？答案

【问题标题】：How to count number of features detected through Harris Corner Detection?如何计算通过哈里斯角检测检测到的特征数量？
【发布时间】：2020-10-15 12:55:22
【问题描述】：

我还是 OpenCV 和 Python 的新手。我正在使用以下哈里斯角检测代码。如您所见，结果也在下面给出。现在，我如何计算检测为这些红点的特征数量？请注意，我是初学者，因此您可能需要详细说明答案。

import cv2
import numpy as np

filename = 'image.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)

dst = cv2.dilate(dst,None)

img[dst>0.01*dst.max()]=[0,0,255]

cv2.imshow('dst',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

【问题讨论】：

标签： python opencv image-processing feature-extraction feature-detection

【解决方案1】：

此行在 Harris 角响应图中找到任何超过检测阈值的位置并将这些位置设置为红色：

img[dst>0.01*dst.max()]=[0,0,255]

从 Harris 角点检测器函数返回的是一个响应图，它为您提供特定像素是角点的“概率”。因此，如果我们对该响应图进行阈值处理，它将为我们提供图像中角点所在的位置。因此，这个阈值映射是一个二进制掩码，用于索引输入图像，帮助您描绘这些位置的位置。因为它是一个二元掩码，你可以只计算这个掩码的总和来告诉你有多少个角点：

num_corners = np.sum(dst > 0.01 * dst.max())

请注意，您应该在在膨胀步骤之前执行此操作，因为膨胀步骤主要用于可视化，以便您可以更好地看到角落。因此，在运行 Harris 角点检测器后立即运行上述代码：

dst = cv2.cornerHarris(gray,2,3,0.04)
num_corners = np.sum(dst > 0.01 * dst.max())

【讨论】：