【第 17 章 基于 Harris 的角点特征检测--Matlab机器学习项目实战】

深度学习机器学习图像处理的matlab源代码–基于 Harris 的角点特征检测应用案例研究–程序源码下载来源

角点检测子函数：

function varargout=harris(I,k,q,h)
narginchk(0,4);
nargoutchk(0,2);
if nargin<1
    I=checkerboard(50,2,2);
end
if nargin<2
    k=0.04;
end
if nargin<3
    q=0.01;
end
if nargin<3
    h=fspecial('gaussian',[5 5],1.5);
end
fx=[-2,-1,0,1,2];
Ix=filter2(fx,I);
fy=[-2,-1,0,1,2]';
Iy=filter2(fy,I);
Ix2=filter2(h,Ix.^2);
Iy2=filter2(h,Iy.^2);
Ixy=filter2(h,Ix.*Iy);
rfcn=@(a,b,c)(a*b-c^2)-k*(a+b)^2;
R=arrayfun(rfcn,Ix2,Iy2,Ixy);
R(R < q*max(R(:)))=0;
[xp,yp]=find(imregionalmax(R,8));
if nargout==0
    subplot(121)
    imshow(I);
    hold on;
    plot(xp,yp,'ro');
    title('自己编写HARRIS算法')
    subplot(122)
    cp=corner(I);
    imshow(I)
    hold on
    plot(cp(:,1),cp(:,2),'ro');
    title('MATLAB自带CORNER函数')
elseif nargout==1
    varargout={[xp,yp]};
elseif nargout==2
    varargout={xp,yp};
end

主函数：

clc; clear all; close all;
I = checkerboard(50,3,3);
h = fspecial('gaussian',[5 5],2);
harris(I,0.05,0.01,h);

这个算法相对很基础–网上也有很多的描述和使用。
Harris 角点检测算法分为以下三步：
1、当窗口（局部区域）同时向 x （水平）和 y（垂直） 两个方向移动时，计算窗口内部的像素值变化量 ；
2、对于每个窗口，都计算其对应的一个角点响应函数 ；
3、然后对该函数进行阈值处理，如果 ，表示该窗口对应一个角点特征。

好多的是在openCV使用的，结合机器学习的预处理模块，等等。在matlab进行测试即可。原理相同，只是平台不一样罢了。没什么独特的创新之处。