Python图像角点检测求助：筛选高低角点并获取像素坐标

当然可以通过循环实现筛选！先理清楚关键逻辑：图像坐标系里，y轴是向下延伸的，所以"最高的角点"其实是y坐标最小的点，"最低的角点"是y坐标最大的点。接下来我会先讲怎么提取所有有效角点的坐标，然后分别用循环（满足你的需求）和更简洁的排序方法来实现目标。

第一步：提取所有有效Harris角点的坐标 #

假设你已经有了灰度图和Harris响应图，先把响应值超过阈值的有效角点坐标提取出来：

import cv2
import numpy as np

# 示例：加载灰度图并计算Harris响应（你可以替换成自己的图像和参数）
gray = cv2.imread('your_image.jpg', 0)
dst = cv2.cornerHarris(gray, blockSize=2, ksize=3, k=0.04)
dst = cv2.dilate(dst, None)  # 膨胀角点，方便后续筛选

# 设置阈值，提取所有有效角点的坐标
threshold = 0.01 * dst.max()
# np.argwhere返回的是(y, x)格式，转换成更符合习惯的(x, y)列表
corner_coords = [(x, y) for y, x in np.argwhere(dst > threshold)]

方法一：用循环遍历筛选极值点（完全满足你的需求） #

核心思路是遍历所有角点，实时更新记录y坐标最小的两个"最高角点"和y坐标最大的两个"最低角点"，逻辑直观易懂：

# 初始化存储变量，用极值初始化确保第一个角点能替换
# 最高角点（y越小越靠上）
top1 = (float('inf'), float('inf'))  # 格式：(x, y)
top2 = (float('inf'), float('inf'))
# 最低角点（y越大越靠下）
bottom1 = (-float('inf'), -float('inf'))
bottom2 = (-float('inf'), -float('inf'))

for (x, y) in corner_coords:
    # 更新最高角点
    if y < top1[1]:
        top2 = top1
        top1 = (x, y)
    elif y < top2[1]:
        top2 = (x, y)
    
    # 更新最低角点
    if y > bottom1[1]:
        bottom2 = bottom1
        bottom1 = (x, y)
    elif y > bottom2[1]:
        bottom2 = (x, y)

# 输出结果
print("两个最高的角点坐标：", top1, top2)
print("两个最低的角点坐标：", bottom1, bottom2)

如果遇到多个角点y坐标相同的情况，这个逻辑会优先保留先遍历到的点，你也可以根据需求加上x坐标的判断（比如保留x最小/最大的点）。

方法二：用排序实现（更简洁高效） #

如果不需要严格用循环，Python内置的sorted函数能更简洁地完成任务，代码可读性更高，效率也经过优化：

# 按y坐标从小到大排序，前两个就是最高角点
sorted_top = sorted(corner_coords, key=lambda p: p[1])
top_two = sorted_top[:2]

# 按y坐标从大到小排序，前两个就是最低角点
sorted_bottom = sorted(corner_coords, key=lambda p: p[1], reverse=True)
bottom_two = sorted_bottom[:2]

print("两个最高的角点坐标：", top_two)
print("两个最低的角点坐标：", bottom_two)

注意事项 #

• 如果你说的"最高/最低"是指水平方向的左右端点，只需要把代码里的p[1]（y坐标）换成p[0]（x坐标）即可。
• 建议先判断角点数量：if len(corner_coords) >=4，避免角点不足4个时出现初始极值（比如(inf, inf)）的情况。

内容的提问来源于stack exchange，提问作者A. Antony