EMGU.CV入门（十九、图像角点）

一、理论

1.1 角点、边缘、团块

1. 边缘（edge）
2. 团块（flat）
3. 角点（corner）
   

1.2 Harris算法思想

思想是用小窗口在图像上平移，如果窗口内像素：

1. 沿任意方向变化不明显（flat）
2. 沿某一方向变化不明显（edge）
3. 沿任意方向明显变化（corner）

1.3 Harris算法实现

1. 移动区域前后对应位置差的平方
   其中 W为权重，x,y为移动方向，u,v为在x,y上的偏移量
   

2. 一阶泰勒展开
   

3. 将2代入1，化简
   

4. 将M代入
   
   其中：
   

5. n阶实对称矩阵A必有n个线性不相关特征向量，则M可以转换为
   
   

二次项函数本质上就是一个椭圆函数。椭圆的扁率和尺寸是由M(x,y)的特征值λ1、λ2决定的，椭贺的方向是由M(x,y)的特征矢量决定的，如下图所示，椭圆方程为：

[Δx,Δy]M(x,y)[ΔxΔy]=1

6. 因此有三种情况

图像中的直线。一个特征值大，另一个特征值小，λ1≫λ2或λ2≫λ1。自相关函数值在某一方向上大，在其他方向上小。
图像中的平面。两个特征值都小，且近似相等；自相关函数数值在各个方向上都小。
图像中的角点。两个特征值都大，且近似相等，自相关函数在所有方向都增大。

7. 即以下公式
   R 约等于 0 平坦区
   R 大于 0 角点
   R 小于 0 边缘

二、 效果

2.1 原图

2.2 Harris 不做极大值抑制

绿色为边缘，红色为角点

2.3 Harris 极大值抑制

三、代码

 // 1. 读取原图
 var imgO = CvInvoke.Imread("WB.png");
 var imgO1 = imgO.ToImage<Bgr, byte>();
 CvInvoke.Imshow("imgO",imgO);

 // 2. 灰度
 var imgGray = CvInvoke.Imread("WB.png", 0);
 CvInvoke.Imshow("imgGray", imgGray);

 // 3. harris
 Mat harrisResponse = new Mat();    
 CvInvoke.CornerHarris(imgGray,harrisResponse,2,3,0.04);

 // 4. 求取最大值，最小值
 double minValue=0, maxValue=0;
 Point minLoc = new Point();
 Point MaxLoc = new Point();
 CvInvoke.MinMaxLoc(harrisResponse,ref minValue,ref maxValue,ref minLoc,ref MaxLoc);

 // 5. 极大值抑制
 Matrix<float> matrix = new Matrix<float>(imgGray.Size);
 harrisResponse.CopyTo(matrix);
 for (int i = 0; i < matrix.Rows; i++) {
     for (int j = 0; j < matrix.Cols; j++) {
         if (matrix[i, j] > maxValue*0.001) {
             imgO1[i,j] = new Bgr(0,0,255);
         }
         if (matrix[i, j] < minValue*0.1)
         {
             imgO1[i, j] = new Bgr(0, 255, 0);
         }
     }
 }
 CvInvoke.Imshow("imgO1", imgO1);

 CvInvoke.WaitKey(0);