Я изучаю влияние различных параметров на частоту ошибок углового детектора Harris с использованием openCV. Входными параметрами являются размер окна, размер ядра оператора sobel и значение параметра k. Я обнаружил, что когда я увеличиваю размер окна, похоже, увеличивается количество ответов на угол. Например, если каждое окно, содержащее угол, помечено точкой, появляется, как представляется, более высокая плотность точек вокруг определенных углов, когда я использую окно 7x7, а не окно 2x2. Изменение размера окна также увеличивает число углов, которые были правильно идентифицированы.Что влияет размер окна на результаты детектора угла harris в openCV
Мой кодирования заключается в следующем, что я получил от this примера
import cv2
import numpy as np
filename = 'resized_image.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,7,3,0.015)
#result is dilated for marking the corners, not important
dst = cv2.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image.
img[dst>0.05*dst.max()]=[0,0,255]
cv2.imwrite('corners3.jpg', img)
cv2.imshow('dst',img)
if cv2.waitKey(0) & 0xff == 27:
cv2.destroyAllWindows()
Может кто-то пожалуйста, объясните, аффект увеличения размера окна по результатам углового детектора Харриса. В частности, почему количество ответов на угол увеличивается с увеличением размера окна. Я понимаю, что эта функция вычисляет градиенты окна и выполняет сглаживание с использованием оператора sobel, если это вообще влияет на результаты. Извините, если это очевидный вопрос, но я новичок в компьютерном видении.
Это странно ... Можете ли вы показать соответствующие части кода ? – sansuiso