计算机视觉之(一)利用Harris检测子进行角点特征检测(含matlab源码)

    本文为原创文章,转载请注明本文来自http://blog.csdn.net/anymake_ren/article/details/21298807
    计算机视觉中常用的图像特征包括:点、边缘、直线、曲线等,其中,点特征属于局部特征,对遮挡有一定鲁棒性。图像中点特征数量多,提取速度快,并且容易辨识区分,因此在图像处理中占有重要地位。

    好的点特征如图1所示,在角点处,图像上的一个小窗口沿任何方向移动,窗口内的图像都有明显的灰度变化,因此角点是好的点特征。

                                               图1


那么,我们要怎样识别角点呢?由图2可以看出,角点具有类似图2中的第一列所展示的性质:

                                              图2


    假设窗口W发生位置偏移(u,v);比较偏移前后窗口中每一个像素点的灰度变化值;使用灰度误差平方和来构造一个误差函数E(u,v),其中的窗口函数是用来滤波的。

    H称为自相关矩阵, λmax和λmin是自相关矩阵的特征值。其中E(u,v)是一个二次型函数,二次型函数的本质就是一个椭圆,椭圆的扁率和尺寸是由H的特征λmax和λmin值λmax和λmin决定的,椭圆的方向由H的特征向量决定。图3-3表示的是点线面与椭圆的关系,其中(d)图中的椭圆跑哪去了,我也不知道。因为图是从扫描版的PDF中截取的,有点模糊。

   下面这幅图是王永明等在《图像局部不变性特征与描述》一书中阐述椭圆与点线面的关系用的。第一行是不同典型图像的灰度梯度分布图,第二行是对梯度分别的椭圆拟合。不过有一点没有明白,如果按照哈里斯的理论线性边缘时,R不应该为负值的吗?那王永明的这幅图中的R代表什么含义啊到底?为什么线性边缘时,R=0.3328?搞不懂啊搞不懂!!!大哭


    正如图3所示,只有当两者都比较大,并且大小相当时对应点才为角点,两者都非常小时为平坦区域;一大一小时为边界。

                                         图3


    在1988年,哈里斯在其论文《A combined corner and edge detector》里给出了更有效的角点响应函数

R为正值时,检测到的是角点;R为负时检测到的是边;R很小时检测到的是平坦区域,由此也就有了更便于计算的数学公式。哈老先生对此做的图如下:

下面是对Harris算法的Matlab实现,源码参考自http://blog.csdn.net/aflyeagle/article/details/5116799

个人对一些地方做了修改说明。


运行环境windows8.1+Matlab R2013b

%%%Prewitt Operator Corner Detection.m
%%%时间优化--相邻像素用取差的方法求Harris角点
 %% 
 clear;
 Image = imread('884.jpg');                 % 读取图像
 Image = im2uint8(rgb2gray(Image));   
  

dx = [-1 0 1;-1 0 1;-1 0 1];  %dx:横向Prewitt差分模版
Ix2 = filter2(dx,Image).^2;   
Iy2 = filter2(dx',Image).^2;                                        
Ixy = filter2(dx,Image).*filter2(dx',Image);
 
%生成 9*9高斯窗口。窗口越大,探测到的角点越少。
h= fspecial('gaussian',9,2);
A = filter2(h,Ix2);       % 用高斯窗口差分Ix2得到A 
B = filter2(h,Iy2);                                 
C = filter2(h,Ixy);                                  
nrow = size(Image,1);                            
ncol = size(Image,2);                             
Corner = zeros(nrow,ncol); %zeros用来产生一个全零矩阵,故矩阵Corner用来保存候选角点位置,初值全零,值为1的点是角点

 %参数t:点(i,j)八邻域的“相似度”参数,只有中心点与邻域其他八个点的像素值之差在
 %(-t,+t)之间,才确认它们为相似点,相似点不在候选角点之列
 t=20;
 
 %我并没有全部检测图像每个点,而是除去了边界上boundary个像素,也就是从第8行第8列开始遍历。
 %因为我们感兴趣的角点并不出现在边界上
 %个人觉得这一部分是的主要目的是找出可能是角点的点,缩小范围,加快运算速度。
 %具体思想是如果中心点(i,j)周围8个点中有7、8个点灰度值与之相似,那么该中心点应该处于平坦区域,不可能为角点,
 %如果中心点(i,j)周围只有1个点或者没有点与之相似,那么该中心点也不可能为角点。
 boundary=8;
 for i=boundary:nrow-boundary+1 
    for j=boundary:ncol-boundary+1
         nlike=0; %相似点个数
         if Image(i-1,j-1)>Image(i,j)-t && Image(i-1,j-1)<Image(i,j)+t 
            nlike=nlike+1;
         end
         if Image(i-1,j)>Image(i,j)-t && Image(i-1,j)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i-1,j+1)>Image(i,j)-t && Image(i-1,j+1)<Image(i,j)+t  
            nlike=nlike+1;
         end  
        if Image(i,j-1)>Image(i,j)-t && Image(i,j-1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i,j+1)>Image(i,j)-t && Image(i,j+1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i+1,j-1)>Image(i,j)-t && Image(i+1,j-1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i+1,j)>Image(i,j)-t && Image(i+1,j)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i+1,j+1)>Image(i,j)-t && Image(i+1,j+1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if nlike>=2 && nlike<=6
             Corner(i,j)=1;%如果周围有2~6个相似点,那(i,j)就是角点
         end;
     end;
 end;
CRF = zeros(nrow,ncol);    % CRF用来保存角点响应函数值,初值全零
 CRFmax = 0;                % 图像中角点响应函数的最大值,作阈值之用 
k=0.05;   
% 计算CRF
 %工程上常用CRF(i,j) =det(M)/trace(M)计算CRF,那么此时应该将下面第105行的
 %比例系数k设置大一些,k=0.1对采集的这几幅图像来说是一个比较合理的经验值
 for i = boundary:nrow-boundary+1
     for j = boundary:ncol-boundary+1
     if Corner(i,j)==1  %只关注候选点
         M = [A(i,j) C(i,j);
              C(i,j) B(i,j)];      
         CRF(i,j) = det(M)-k*(trace(M))^2;
         if CRF(i,j) > CRFmax 
            CRFmax = CRF(i,j);    
        end;            
    end
 end;             
end;  
%CRFmax
 count = 0;       % 用来记录角点的个数
 t=0.01;        
% 下面通过一个3*3的窗口来判断当前位置是否为角点
 for i = boundary:nrow-boundary+1 
for j = boundary:ncol-boundary+1
         if Corner(i,j)==1  %只关注候选点的八邻域
             if CRF(i,j) > t*CRFmax && CRF(i,j) >CRF(i-1,j-1) ......%?????为什么要CRF(i,j) > t*CRFmax啊?求大神告知
                && CRF(i,j) > CRF(i-1,j) && CRF(i,j) > CRF(i-1,j+1) ......
                && CRF(i,j) > CRF(i,j-1) && CRF(i,j) > CRF(i,j+1) ......
                && CRF(i,j) > CRF(i+1,j-1) && CRF(i,j) > CRF(i+1,j)......
                && CRF(i,j) > CRF(i+1,j+1) 
            count=count+1;%这个是角点,count加1
             else % 如果当前位置(i,j)不是角点,则在Corner(i,j)中删除对该候选角点的记录
                 Corner(i,j) = 0;     
            end;
         end; 
end; 
end; 
% disp('角点个数');
 % disp(count)
 figure,imshow(Image);      % display Intensity Image
 hold on; 
% toc(t1)
 for i=boundary:nrow-boundary+1 
for j=boundary:ncol-boundary+1
         column_ave=0;
         row_ave=0;
         k=0;
        if Corner(i,j)==1
             for x=i-3:i+3  %7*7邻域
                 for y=j-3:j+3
                     if Corner(x,y)==1
 % 用算数平均数作为角点坐标,如果改用几何平均数求点的平均坐标,对角点的提取意义不大
                         row_ave=row_ave+x;
                         column_ave=column_ave+y;
                         k=k+1;
                     end
                 end
             end
         end
         if k>0 %周围不止一个角点           
             plot( column_ave/k,row_ave/k ,'g.');
         end
 end; 
end; 




采用国际会议中心的图片进行实验,效果如下:

原图:

标记效果图:

为了验证Harris的旋转不变性,将原图旋转后实验效果如下:










评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值