今天带来的内容只能用两个字来形容——干货！ ！ 首先给大家科普一下图像识别的常识。 从计算机的角度来看，一张图片其实就是一个矩阵，每个矩阵中的一个值对应图片的一个像素点。 （下图摘自《机器学习的实际应用》）

其实图中有很多边和角。 今天就来介绍一下如何通过算法找到图片的角点。

其实找角很简单。 就是通过图像矩阵中的移动窗口遍历矩阵中的值。 一旦现有像素发生明显变化，就可能是一个拐点。 这个过程有点像“拿条浴巾闭上眼睛，从上往下搓，用力搓的时候，会觉得这个部位和别的地方不一样。没错，就是你的膝盖。”

严肃点，看数学公式，(x,y)可以理解为一张图片的横纵坐标，也就是人体。(u,v)是窗函数，也就是 移动的毛巾，找图片的拐点，就跟洗澡找身体硬的地方一样，需要不断游动(u,v)的值，当这个值发生剧烈变化时，说明 有一个拐点。

最后，通过数学方法，可以简化上述函数式。 过程很复杂，大家可以理解。 最终结果：

R是这样判断的，R=MIN(x’,y’)，x’表示图片的横向变化趋势，y’表示图片的纵向变化趋势 图片，可以用图片说明，

(1) 下图左起第一张图，y’方向的变化很小，而x’方向的变化很大。 它可以设置为x’>0，y'<0，所以R<0。

(2) 中间的两个方向不变，R=0

(3) 最右边的两个方向变化很大，x’>0 , y’ >0, R>0

因此，最右边的图是角，最左边的图是边，中间的图什么都不是。

代码

下面是一段OPENCV实现拐点检测的代码。 你可以用红点标记角落，给你一个直观的印象。

将 numpy 导入为 np

导入cv2

从 matplotlib 将 pyplot 导入为 plt

img = cv2.imread(‘样本.jpg’)

灰色 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

角落= cv2.goodFeaturesToTrack（灰色，25,0.01,10）

角落= np.int0（角落）

因为我在角落里：

x,y = i.ravel()

简历2。 圆（img，（x，y），3,255，-1）

plt.imshow(img), plt.show()

再跑个case给大家看看，周围没有特别明显的转角，所以拍了一张感觉比较明显的转角，嗯！

原图：

运行结果：

今天写代码的时候快没氧了，欢迎暴力转载，良心制作，谢谢 你！