今天帶來的內容只用兩個字形容-乾貨！！首先我們科普下圖像識別的常識，圖片在電腦看來，其實就是一個矩陣，每個矩陣中的一個值都對應圖片的一個像素點。（下圖摘自《機器學習實踐應用》）

圖片中其實是有很多的邊以及拐角的，今天要介紹的就是如何通過算法找到圖片拐角。

原理

其實找到拐角，很簡單，就是在圖片矩陣中，通過一個移動的窗口去遍歷矩陣中的數值，一旦返現有像素變化明顯的地方，那就可能是一個拐點。這個過程就有點像“拿澡巾閉著眼睛從上向下搓澡，當你搓到一個硬硬的東西的時候，你會感覺這個部位跟其它的地方不同，沒錯，這裡就是你的膝蓋。”

還是正經一點，看一下數學公式，(x,y)可以理解成是一張圖片的橫縱座標，就是人的身體。(u,v)就是窗口函數，就是移動的澡巾。找圖片的拐點就跟搓澡去找身體堅硬的地方一樣，需要不斷遊動(u,v)的值，當這個值劇烈變化了，就說明出現了拐點。

最終通過數學方法，可以簡化上邊的函數式，過程很複雜，大家會意下就好，最終的結果：

R是這樣判斷的，R=MIN（x',y'），x'表示圖片橫向的變化趨勢，y‘表示圖片縱向的變化趨勢，這個可以用一張圖解釋下，

（1）下圖左數第一張是y’向變化很小，而x‘向變化大，可以設定為x'>0，y'<0，於是R<0。

（2）中間的一張兩個方向都不變，R=0

（3）最右邊一張兩個方向變化都很大，x'>0，y'>0，R>0

於是，最右邊的圖是拐角，最左邊的是邊，中間的什麼都不是。

代碼

下面就用一段OPENCV的代碼實現一下拐點檢測，可以通過紅點把拐角的地方標出來，給大家一個直觀印象。

import numpy as np 

import cv2 

from matplotlib import pyplot as plt 

img = cv2.imread('sample.jpg') 

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

corners = cv2.goodFeaturesToTrack(gray,25,0.01,10) 

corners = np.int0(corners) 

for i in corners: 

 x,y = i.ravel() 

 cv2.circle(img,(x,y),3,255,-1) 

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

再跑一個case給大家看看，身邊沒有拐角特別明顯的東西，隨手弄了張感覺比較明顯的拐角圖，恩！

原圖：