Harris角点检测

最新推荐文章于 2024-09-30 09:23:49 发布

rimon2018

最新推荐文章于 2024-09-30 09:23:49 发布

阅读量403

点赞数

理论知识：

图像中的角点意味着在这块区域中沿着任意方向移动，这块区域的像素值都会发生比较大的改变。

数学推导：

在图像中取一小块，构造这样一个判断函数

$E(u,v)=\sum w(x,y)[I(x+u,y+v)-I(x,y)]$

u,v指得是这一块区域作的位移，w(x,y)指窗口函数，在这块区域取1，不在取0。

从这个式子可以看出，在平坦的区域，第二项 I(x+u,y+v)-I(x,y) 几乎等于0，对于变化较大的区域这项的值会比较大。所以我们希望检测出变化大的区域，这里就可能存在角点。

下一步将 I(x+u,y+v) 作二元泰勒展开

$f(x+u,y+v)=f(x,y)+uf_{x}(x,y)+vf_{y}(x,y)+\frac{1}{2}[u^{2}f_{xx}(x,y)+v^{2}f_{yy}(x,y)+2uvf_{xy}(x,y)]+......$

取到1阶

$f(x+u,y+v)=f(x,y)+uf_{x}(x,y)+vf_{y}(x,y)$

所以E(u,v)可以被简化为：

$E(u,v)\cong [u,v]M[u,v]^{T}$

其中 $M = \sum_{x,y}w(x,y)\begin{bmatrix} I_{x}^{2} & I_{x}I_{y}\\ I_{x}I_{y}& I_{y}^{2} \end{bmatrix}$

w(x,y)简单情况下可以取1。

三种不同图形各个点 $I_{x},I_{y}$ 的分布情况：

平坦区域x,y方向变化率都比较小。

边缘处，x,y方向变换率其中一个很大。

角点处，x,y变化率都比较大。

可以用M的特征值来表征这种现象

如何具体计算某一点是否存在角点？

$R = detM - k(traceM)^{2}$

$detM=\lambda _{1}\lambda ^{2} , traceM =\lambda_{1}+\lambda_{2}$

k是经验选项一般取（0.04-0.06）

R很大对应角点
R是负数绝对值很大对应边缘
R绝对值较小对应平坦区域

例子：

算法流程：

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。