计算机视觉——Harris角点检测

一、Harris角点

1.1何为角点

角点就是多条轮廓线之间的交点。如下图中红色圈中标出的位置：

从数字图像处理的角度来看的话，可以描述如下：

1.像素点附近区域像素无论是在梯度方向、还是在梯度幅值上都发生较大的变化。
2.一阶导数(即灰度的梯度)的局部最大所对应的像素点；
3.两条及两条以上边缘的交点；
4.图像中梯度值和梯度方向的变化速率都很高的点；
5.角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。

1.2Harris角点检测基本原理

1.在左图中，当窗口在平坦的地方移动窗口，图像灰度值不会有太多变化。
2.在中间图中，如果我们在边缘移动窗口，沿着边缘方向移动，灰度值变化不大；沿着垂直于边缘方向移 动，窗口内灰度值变化很大。(那是不是边缘可以这样检测呢)
3.在右图中，如果我们在角落移动窗口，在任何方向移动灰度值变化都很大
用数学的方法描述一下窗口在图片上滑动时像素点灰度变化描述：

用泰勒公式进行展开可得：

将E(u,v)进行整理得：

可以看出灰度变化的大小主要取决于中间的括号，把中间的括号单独表示出来可得：

针对平坦区域，边缘区域以及角点区域三种情形进行分析，使用椭圆进行数据集表示如下：

1.在平坦区域上的每个像素点所对应的(IX,IY)坐标分布在原点附近，平坦区域的像素点梯度方向虽然各异，但是其幅值都不是很大，所以均聚集在原点附近；
2.在边缘区域有一坐标轴分布较散，分布方向则根于图片的具体边缘的方向而定，如果边缘是水平或者垂直方向，那么Iy轴方向或者Ix方向上的数据分布就比较散；
3.在角点区域，我们观察出来在x方向和y 方向都比较分散。那我们就可以认为某个像素点在窗口内当x方向和y 方向梯度的协方差都比较大，这个点的就可以当做为角点。

1.两个特征值都比较大时，即窗口中含有角点
2.特征值一个较大，一个较小，窗口中含有边缘
3.两个特征值都比较小，窗口处在平坦区域
harris 通过启发式的思维，将计算特征值转换为计算度量角点响应R（k一般取0.04-0.06之间）：

二、Harris角点检测的实验和分析

2.1对于纹理平坦检测的实验和分析

以瓷砖墙壁作为实验案例，进行实验。
1.正面测试

分析：从正面测试，可以看到，Harris角点检测将瓷砖与瓷砖间的缝隙的点作为了角点。
2.侧面测试

分析：与正面测试相比，侧面测试比正面测试在瓷砖角点处多了许多的角点，初步认为是拍摄角度的不同所引起的。但瓷砖交点处由于侧面拍摄形成的反光，可能导致图像的灰度值不同，从而使其在交点处增加交点，其他地方的角点未改变可能因该部分灰度值未改变。与光照变化测试比较才能知道原因。
3.光照测试

分析：在变暗的条件下，与正面测试相比较，无太多差别。Harris 角点检测是基于图像像素灰度值变化梯度的，降低光照，整体灰度下降，灰度值变化梯度不变，所以检测出来的角点与正面拍摄无太大差别。
4.旋转测试：

分析：在旋转一定角度后拍摄，与正面测试相比，在所拍摄到的范围内角点没有太大的变化。旋转不会改变灰度值，灰度值变化的梯度也不会改变，只会改变灰度值变化梯度的方向，所以角点没有太大的变化。
5.远近测试：

分析：与正面测试相比，角点数有略微的增加，可能是因为拍摄到其他地方所形成的角点，所以略有增加。但是可能离的不够远导致与正面测试的主要部分，无差别。

2.2垂直或水平边缘多的实验与分析

1.正面测试

分析：不小心将树拍进去，造成垂直或水平边缘多实验中，增加了纹理角点丰富的树，导致角点过多。
2.侧面测试