Task01哈里斯特征点检测器-兴趣点检测

1.1简介
在图像处理领域中，特征点又被称为兴趣点或者角点，它通常具有旋转不变性和光照不变性和视角不变性等优点，是图像的重要特征之一，常被应用到目标匹配，目标跟踪，三维重建等应用中。点特征主要指图像中的明显点，如突出的角点，边缘端点，极值点等等，用于点特征提取的算子称为兴趣点提取（检测）算子，常用的有哈里斯角点检测，FAST特征检测，SIFT特征检测及SURF特征检测。

1.角点
使用一个滑动窗口在以下三幅图中滑动，可以进行以下建模：

左图表示一个垂直区域，在各方向移动，窗口内部提示值均没有太大变化；
中图表示一个边缘特征（Edges），如果沿水平方向移动（梯度方向），则值会发生跳变；如果沿边缘移动（平行于边缘），则值不会发生变化；
右图表示一个角（Corners），不管你把它朝哪个方向移动，导致值都会发生很大的变化。
1.5基于OpenCV的实现

1. API
   在opencv中有提供实现Harris角点检测的函数cv2.cornerHarris，我们直接调用的就可以，非常方便。

函数原型：cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])

对于每一个分辨率（x，y），在（blockSize x blockSize）邻域内，计算梯度图的协方差矩阵$ M（x，y）$，然后通过上面第二步中的角点响应函数得到结果图。图像中的角点可以为该结果图的局部替代。

即可以得到输出图中的局部顶点，这些值就对应图像中的角点。

参数说明：

src-输入灰度图像，float32类型
blockSize-用于角点检测的邻域大小，就是上面提到的窗口的尺寸
ksize-用于计算梯度图的Sobel算子的尺寸
k-用于计算角点响应函数的参数k，取值范围常在0.04〜0.06之间从matplotlib 导入cv2 作为 cv
导入pyplot 作为plt 导入numpy 作为np

＃个检测器参数
block_size = 3
sobel_size = 3
k = 0.06

图片 = 简历。读（‘Scenery.jpg’）

打印（图像。形状）
高度 = 图像。形状 [ 0 ]
宽度 = 图片。形状 [ 1 ]
通道 = 图像。shape [ 2 ]
打印（“宽度：％s高度：％s通道：％s” ％（宽度，高度，通道）

gray_img = cv。cvtColor（图像，CV2。COLOR_BGR2GRAY）

＃将数据类型设置修改为32位浮点
gray_img = np。float32（gray_img）

＃检测具有适当值的角作为输入参数
corners_img = cv。cornerHarris（gray_img，block_size，sobel_size，k）

＃结果被放大以标记角点，不必要
kernel = cv2。getStructuringElement（CV2。MORPH_RECT，（3，3））
DST = CV。扩张（corners_img，内核）

＃最佳阈值，以绿色标记拐角
#image [corners_img> 0.01 * corners_img.max（）] = [0,0,255]

为 [R 在 范围（高度）：
用于 Ç 在 范围（宽度）：
PIX = DST [ - [R ，C ^ ]
如果 PIX > 0.05 * DST。max（）：
cv2。圆（图像，（Ç，- [R ），5，（0，0，255），0）

图片 = 简历。cvtColor（图像，CV2。COLOR_BGR2RGB）
PLT。imshow（图片）
plt。显示（）