harris corner detector ----harris 角点检测;

harris 是在moravec corner基础上提出来。moravec值计算了45°方向的角点,而harris则计算的是所有方向的;这是因为harris将moravec中的ssd函数进行了转换,将:


进行替换后,ssd方程可以变换为hessian矩阵:


通过对矩阵A特征值的分析,可以得到我们需要的信息;有三种情况:

1 两个特征值都很小,这意味着,图像f在当前点平坦,变化方向有极大的不确定性;

2 一个特征值很大,另一个特征值很小,局域邻域呈现屋脊状,可以认为是边缘;

3 两个特征值都很大,任何方向的微小移动,都会造成图像f的显著变化,此时认为检测到了角点;

harris建议的确定角点的函数:其中 det(A)为行列式的值,trace(A)为矩阵的迹;可以认为是特征值的乘积与特征值的和的比例因子的确定;



#pragma once
#include "opencv2/opencv.hpp"
#include <vector>
class CHarrisCorner
{
private :
	std::vector<cv::Point> corners;
	int threshold;
public:
	CHarrisCorner(void);
	~CHarrisCorner(void);
	cv::Mat  detect_corners(const cv::Mat &img,int winsize=3,float factor=0.05,float threshold=5)
	{
		cv::Mat src;
		cv::Mat dst(img.rows,img.cols,CV_8UC1);
		cv::cvtColor(img,src,cv::COLOR_RGB2GRAY);				//转换为灰度图像
		cv::GaussianBlur(src,src,cv::Size(winsize,winsize),0);  //进行高斯滤波

		float dxx=0;float dyy=0; float dxy=0;float dyx=0;float d=0;
		for(int x=1;x<(src.rows-1);x++)							//求取每一个像素出的hessian矩阵
		{
			for(int y=1;y<(src.cols-1);y++)
			{
				d=src.at<uchar>(x,y);
				dxx=(src.at<uchar>(x+1,y)+src.at<uchar>(x-1,y)-2*d);
				dyy=(src.at<uchar>(x,y+1)+src.at<uchar>(x,y-1)-2*d);
				dxy=dyx=(src.at<uchar>(x+1,y+1)+src.at<uchar>(x-1,y-1)-src.at<uchar>(x+1,y-1)-src.at<uchar>(x-1,y+1));
				//对hessian矩阵进行判断
				double num=abs(((dxx*dyy-pow(dxy,2))-factor*pow((dxx+dyy),2)));
				if(num>100)
				{
					dst.at<uchar>(x,y)=src.at<uchar>(x,y);

				}
				//一种简易方法
				//if(dxx>threshold&&dyy>threshold)		//直接对hessian主变化分量进行判断
				//{
				//	corners.push_back(cv::Point(x,y));
				//}
				//调和均值
				if((dxx*dyy-pow(dxy,2))/(dxx+dyy)>100)
				{
					corners.push_back(cv::Point(y,x));
				}
			}
		}
		cv::imshow("and",dst);
		//进行非极大值抑制
		cv::Mat dilate;
		//图像膨胀
		//for(int i=0;i<10;i++)
		{
			cv::dilate(src,dilate,cv::Mat());
		}
		cv::Mat result;
		cv::compare(dst,dilate,result,cv::CMP_EQ);
		/*for(int height=0;height<result.rows;height++)
		{
			for(int width=0;width<result.cols;width++)
			{
				if(result.at<uchar>(width,height)!=0)
					corners.push_back(cv::Point(width,height));
			}
		}*/
		std::cout<<corners.size()<<std::endl;
		
		imshow("vs",result);
		return result;
	}
	void show_corners(cv::Mat &img)
	{
		std::vector<cv::Point>::iterator it=corners.begin ();
		for(;it!=corners.end();it++)
		{
			cv::circle(img,*it,3,cv::Scalar(0,255,0),1);
		}
	}
};





  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值