moravec算法

一、算法

（1）原理
    该算法将角点定义为具有低“自相关性”的点。
    算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。
        如果像素位于平滑图像区域内，周围的patch都会非常相似。SSD会很小。
        如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。某一个方向SSD很小，其他方向存在很大差异。
        如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。所有方向SSD都会很大。

（2）算法实现
    1、依次以每个像素点为锚点计算其5x5的窗口内4个方向的SSD，记为S1,S2,S3,S4
    2、设定该点角点响应为：CFRx,y=min{S1,S2,S3,S4}
    3、设定一个阈值R，则角点响应值大于R的认为是候选角点。
    4、局部非最大值抑制。（防止局部窗口内出现过各角点）

（3）缺陷
    1、强度值的计算并不是各向同性的，只有离散的8个45度角方向被考虑。因为patch的评议比较最多只有8个方向；
    2、由于窗口是方形并且二元的，因此相应函数会有噪声
    3、对边缘的相应太简单，因为强度值尽取SSD的最小值
    4、噪声和角点性质一样，所以对噪声敏感，可以通过增加滑动窗口的大小来抑制噪声，但计算量会增大

（4）算法流程
首先依次算各个方向差、然后求取限定的局部最大值。该算法较为简单不在赘述。
 

二、代码（C++）

注：代码需要配置opencv库

（1）moravec.h头文件

#pragma once
#include<iostream>
#include<opencv2/opencv.hpp>
#include "moravec.h"
#include "gdal_priv.h"
#include "cpl_conv.h"
#include <iostream>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include<cmath>
#include <string>
#include <vector>
using namespace std;
using namespace cv;

//定义moravec算法，实现特征提取
class moravec
{public:
	void Moravec_1(Mat image);

};

（2）moravec.cpp文件

#define _CRT_SECURE_NO_DEPRECATE
#include "moravec.h"
void moravec::Moravec_1(Mat image)
{
	
	if (image.empty())	//如果为空
	{
		std::cout << "Could not open or find the image." << std::endl;
	}

	int CandidateWin = 5, window = 5;	//候选区窗口大小（非极大值抑制作用），移动窗口大小（滑动的小窗口）
	//int candiPositionR = 0, candiPositionC = 0, i, j, g;	//row行，col列，i候选区行，j候选区列
	int k = int(window / 2);	//窗口中心像元
	
	double WinMax = 0;//候选区最大值
	int window_min = 0;//滑动窗口最小值，目的时求取四个方向的最小值
	int MaxPositionR = 0; int MaxPositionL = 0;
	int CandidateWinPR = 0, CandidateWinPC = 0;//row行，col列，i候选区行，j候选区列
	int windowPR = 0, windowPC = 0;
	
	
	Mat Candidate = Mat(image.size(), CV_8UC1, Scalar(0));
	//首先小窗口滑动
	for (windowPR = k;windowPR <= image.rows-2-k; windowPR++)
	{
		for (windowPC = k+1; windowPC  <= image.cols-2-k; windowPC++)

		{
			int V[4] = { 0, 0, 0, 0 };
			for (int i = -k; i <= k; i++)
			{
				//for (int j = -k; j <= k; j++)
				//{
					V[0] = V[0] + pow(image.at<uchar>(windowPR , windowPC+i )- image.at<uchar>(windowPR , windowPC + i +1), 2);//水平方向
					V[1] = V[1] + pow(image.at<uchar>(windowPR + i, windowPC + i) - image.at<uchar>(windowPR + i+1, windowPC + i+1), 2);//右下角
					V[2] = V[2] + pow(image.at<uchar>(windowPR+i , windowPC ) - image.at<uchar>(windowPR+i+1, windowPC ), 2);//竖直方向
					V[3] = V[3] + pow(image.at<uchar>(windowPR + i, windowPC + i) - image.at<uchar>(windowPR + i + 1, windowPC - i - 1), 2);//左下角
					
				//}
				//cout << "V[0]" << V[0] <<" V[1]" << V[1] <<" V[2]" << V[2] << "V[3]" << V[3] << endl;

			}
			//cout << "windowPR=" << windowPR << "windowPC=" << windowPC << endl;
			int Vmin = V[0];
			//if (V[0] < Vmin) Vmin = V[0];
			if (V[1] < Vmin) Vmin = V[1];
			if (V[2] < Vmin) Vmin = V[2];
			if (V[3] < Vmin) Vmin = V[3];
			//cout << Vmin << endl;
			Candidate.at<uchar>(windowPR, windowPC) = Vmin;
		}		
	}
	imshow("Moravec算子3*3",Candidate);
	//小范围区域筛选最大值
	for (int i = 0; i + CandidateWin <= Candidate.rows - CandidateWin - 1; i = i + CandidateWin)
	{
		for (int j = 0; j + CandidateWin <= Candidate.cols - CandidateWin - 1; j = j + CandidateWin)
		{
			int winMax = Candidate.at<uchar>(i, j);
			for (int m = 0; m <= CandidateWin-1; m++)
			{
				for (int n = 0; n <= CandidateWin-1; n++)
				{
					if (Candidate.at<uchar>(i + m, j + n) > winMax)
					{
						winMax = Candidate.at<uchar>(i + m, j + n);
						MaxPositionR = i + m;
						MaxPositionL = j + n;
						
					}
					//cout << "m=" << m << "       n=" << n << endl;
				}

			}
			if (winMax >200)
			{
				Point pt = Point(MaxPositionL, MaxPositionR);
				circle(image, pt, 3, Scalar(255, 0, 0));
			}
			
			//cout << "m=" << i << "       n=" << j << endl;

		}
		cout << "m=" <<i<< endl;
	}
	namedWindow("Moravec算子", WINDOW_NORMAL);
	imshow("Moravec算子", image);
}

（3）main函数

#define _CRT_SECURE_NO_DEPRECATE
#include<iostream>
using namespace std;
#include "moravec.h"

using namespace cv;
using namespace std;

int main() 
{

    Mat M = imread("D:\\Users\\Ou\\Desktop\\测试图片\\Lanny.png", IMREAD_GRAYSCALE);
    
    std::cout << "图像的类型编号为：" << M.type() << endl;    //网上有类型对应的编号
    std::cout << "图像的通道数量为：" << M.channels() << endl;
    moravec A;
    A.Moravec_1(M);
    waitKey();
    cv::waitKey(0);//等待用户需要多长时间毫秒,零意味着永远等待
    return 0;
}

三、代码结果

左图为未进行极大值抑制的结果

四、算法补充

1、IOU（交并比）；两个窗口交集/两个窗口并集。
2、非极大值抑制：即求取最大值的位置保留

五、算法思考

1、该算法每个块是独立的，很有可能对于第一个窗口的最大值<第二个窗口的最小值，及时窗口1在全图中不能算是特征点，但是由于算法缺陷仍然会被认为是特征点。

2、小窗的大小选择一定程度上会影响结果，通过什么办法可以实现最优窗口的选择。

3、非极大值抑制为什么不直接通过扩大滑动窗口来增加范围，以减少运算。