OpenCV(四十二):Harris角点检测

以你之姓@ 2024-03-03 02:51 10阅读 0赞

#### 1.Harris角点介绍 ####

什么是角点？ 角点指的是两条边的交点，图中红色圈起来的点就是角点。

![99b1a3a94a1744f5a4d1e9cad6587958.png][]

Harris角点检测原理：首先定义一个矩形区域，然后将这个矩形区域放置在我的图像中，求取这个区域内所有的像素值之和，之后沿着多个方向移动我这个区域，再次计算新区域的像素值之和，如果移动前和移动后的像素值两者的差值比较小，那么就不是Harris角点，如果两者之间差值比较大，就认定移动前覆盖的区域内存在Harris角点。

如图：下图两条线形成角点，而矩形区域分别表示**平面、边界、角点**三种位置：

![8ea3862dc77e414791f64c9f78e380ef.png][]

#### 2.Harris角点计算 ####

Harris角点检测原理：当移动窗口，窗口内像素值变化大就有Harris角点

Harris角点检测原理公式：

![72e1d57733ec4267b10af59e1b8492a0.png][]

权重系数的引入是为了更加方便地去确定某一个点是Harris角点。

Harris角点检测原理公式写成矩阵形式：

![1a5f8fbb73b34351b5fe9d943a8f00fc.png][]

由此可得出梯度协方差矩阵M

![eebd58304e7a467c923e62d41e29df4a.png][]

Harris评价函数来测量每个像素的角点程度 ，与梯度协方差矩阵M相关

![afc9f68c0f024d53bb56055d922c0e09.png][]

在这个公式中，R是角点响应函数的值，M是一个2x2的矩阵，描述了局部区域中像素的梯度信息，det(M)表示矩阵的行列式，trace(M)表示矩阵的迹，k是一个常数，用于调节响应函数的敏感度。

Harris评价函数可以用特征向量来表示。λ1和λ2分别是M的两个特征值。

![e85a92c4342d4630b39512e3e3294448.png][]

通过对特征值λ1和λ2进行求解，我们可以计算Harris评价函数R，并据此来判断像素是否为角点。

*  当λ1和λ2都较大且接近时，表示图像局部区域存在角点。
 *  当λ1和λ2都比较小或者差异较大时，表示图像局部区域是平坦或者边缘区域。

#### 3.检测Harris角点函数cornerHarris() ####

> void cv::cornerHarris ( InputArray src,
> 
> OutputArray dst,
> 
> int blockSize,
> 
> int ksize,
> 
> double K,
> 
> int borderType = BORDER\_DEFAULT
> 
> ）

*  src:待检测Harris角点的输入图像，图像必须是CV 8U或者CV 32F的单通道灰度图像
 *  dst: 存放Harris评价系数的R矩阵，数据类型为CV 32F的单通道图像，与输入图像具有相同的尺寸
 *  blockSize:邻域大小
 *  ksize: Sobel算子的半径，用于得到梯度信息
 *  k:计算Harris评价系数R的权重系数
 *  borderType:像素外推算法标志

#### 4.绘制角点函数drawKeypoints() ####

> void drawKeypoints(InputArray image,
> 
> const std::vector<KeyPoint>& keypoints,
> 
> OutputArray outImage,
> 
> const Scalar& color = Scalar::all(-1),
> 
> int flags = DrawMatchesFlags::DEFAULT
> 
> )

参数说明：

*  image: 输入图像，可以是任意类型的Mat对象。
 *  keypoints: vector类型的关键点，每个关键点包含其在图像中的位置和其他信息（如尺度、方向等）。
 *  outImage: 输出图像，用于存储绘制了特征点的图像。可以与输入图像相同的尺寸和类型。
 *  color: 绘制特征点的颜色，可以是Scalar对象或CV\_RGB(R, G, B)宏定义，默认为Scalar::all(-1)表示随机颜色。
 *  flags: 绘制标志，用于控制绘制方式。可以是以下常量之一：
    
     *  DrawMatchesFlags::DEFAULT: 默认绘制方式，显示关键点的位置和大小。
     *  DrawMatchesFlags::DRAW\_OVER\_OUTIMG: 将关键点绘制在输出图像上，而不是创建新的输出图像。
     *  DrawMatchesFlags::DRAW\_RICH\_KEYPOINTS: 绘制丰富的特征点，显示位置、尺度、方向等详细信息。

#### 5.示例代码： ####

void Harris_f(Mat image){
        //转成灰度图像
        Mat gray;
        cvtColor(image,gray,COLOR_BGR2GRAY);
        // 执行Harris角点检测
        Mat harris;
        cornerHarris(gray,harris,2,3,0.04);
        //归一化便于进行数值比较和结果显示
        Mat harrisn;
        normalize(harris,harrisn,0,255,NORM_MINMAX);
        //将图像的数据类型变成CV_8U
        convertScaleAbs(harrisn,harrisn);
        //寻找Harris角点
        vector<KeyPoint> keyPoints;
        for(int row=0;row<harrisn.rows;row++){
            for(int col=0;col<harrisn.cols;col++){
                int R=harrisn.at<uchar>(row,col);
                if(R<180){
                    //将角点存入KeyPoint中
                    KeyPoint keyPoint;
                    keyPoint.pt.y=row;
                    keyPoint.pt.x=col;
                    keyPoints.push_back(keyPoint);
                }
            }
        }
        //绘制角点
        drawKeypoints(image,keyPoints,image,Scalar(0,0,255,255));
        //与显示结果
        imwrite("/sdcard/DCIM/harrisn.png",harrisn);
        imwrite("/sdcard/DCIM/result.png",image);
    }

![bf61a54c9a4c4ef39a5f9b56921f5292.jpeg][]![b8ada1b035024b948c0271bc7fce78c1.jpeg][]

（系数矩阵） （绘制Harris角点）

[99b1a3a94a1744f5a4d1e9cad6587958.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/5aaf4ae86eb54386bedd5089e4f79c1e.png
[8ea3862dc77e414791f64c9f78e380ef.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/52dc956a26dc4dfaa53a82cc8f4f397c.png
[72e1d57733ec4267b10af59e1b8492a0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/7b8dafdd53064e29805a76fca479b77b.png
[1a5f8fbb73b34351b5fe9d943a8f00fc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/9a74d7d306844e1ca23ed2264673bea0.png
[eebd58304e7a467c923e62d41e29df4a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/bc874cb1b8af481f9666b1bada2272fa.png
[afc9f68c0f024d53bb56055d922c0e09.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/017bffe77ae740a8bee2bacc29f87257.png
[e85a92c4342d4630b39512e3e3294448.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/a3f51e08cd9d49eda1829615ae73e79a.png
[bf61a54c9a4c4ef39a5f9b56921f5292.jpeg]: https://img-blog.csdnimg.cn/bf61a54c9a4c4ef39a5f9b56921f5292.jpeg
[b8ada1b035024b948c0271bc7fce78c1.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/8e3cd593d2fb406c920c2e32db16c071.png

OpenCV(四十二):Harris角点检测

发表评论取消回复

还没有评论，来说两句吧...

相关阅读