提取特徵點並定位（缺陷檢測）

專案中需要進行缺陷檢測。先做影象差分，然後檢測出缺陷並標註缺陷位置。

import cv2

import sys
import numpy as np
# 第乙個引數 路徑
imgpath = sys.ar**[1]
img = cv2.imread(imgpath)
alg = sys.ar**[2]
# 可根據引數選擇演算法
def fd(algorithm):
if algorithm == 'sift':
return cv2.xfeatures2d.sift_create()
if algorithm == 'surf':
return cv2.xfeatures2d.surf_create(float(sys.ar**[3]) if
len(sys.ar**) == 4 else 4000)
gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
sift = cv2.xfeatures2d.sift_create()
keypoints, descriptor = sift.detectandcompute(gray, none)
img = cv2.drawkeypoints(image=img, outimage=img, keypoints=keypoints,
flags=cv2.draw_matches_flags_draw_rich_keypoints,
color=(51, 163, 236))
# 迴圈獲取點的位置
for i in range(len(keypoints)):
p = keypoints[i].pt
print(p)
cv2.imshow('sift', img)
cv2.waitkey()
cv2.destroyallwindows()

特徵點提取opencv

opencv中提供了harris角點檢測的介面，即cv cornerharris 缺陷 角點是畫素級別的，速度較慢 dst cv2.cornerharris gray,2,3,0.04 img 資料型別為 float32 的輸入影象 blocksize 角點檢測中要考慮的領域大小 ksize sob...

角點特徵檢測

1 何為 角點 對角點可以從兩個不同的角度定義 角點是兩個邊緣的交點 角點是鄰域內具有兩個主方向的特徵點。角點所在的區域通常也是影象中穩定的 資訊豐富的區域，這些區域可能具有某些特性，如旋轉不變性 尺度不變性 仿射不變性和光照亮度不變性。因此，在計算機視覺和數字影象領域，研究角點具有重要的意義。2 ...

超聲檢測訊號特徵提取

超聲檢測訊號特徵提取 方法 採用小波包分析提取訊號特徵資訊，其基本思想是選取適當的小波基函式對訊號進行小波包變換，提取各個頻帶上的能量構成特徵向量。超聲檢測技術中，缺陷的準確定性分類這一技術難題至今尚未得以徹底解決。其主要原因在於，超聲缺陷回波訊號是一種典型的瞬態訊號，採用傳統的傅氏分析方法所得到的...