HALCON从入门到入门-harris提取关键点-二项式近似加速

测试效果

原理简介

harris_binomial是Harris角点检测算法的一种变体或优化版本，它在保持Harris算法基本思想的基础上，通过引入二项式近似来加速计算过程。以下是对harris_binomial算法的详细解释，包括其特点、参数设置以及与其他Harris算法的比较：

一、算法特点

1. 加速计算：

• • harris_binomial通过采用二项式近似来简化Harris算法中的某些计算步骤，从而显著提高了算法的执行速度。

1. 保持基本特性：

• • 尽管在计算上进行了优化，但harris_binomial仍然保留了Harris算法的基本特性，如尺度不变性和旋转不变性（在一定程度上）。

1. 适用场景：

• • 当需要对大量图像数据进行快速角点检测时，harris_binomial是一个很好的选择。它特别适用于实时处理或计算资源有限的环境。

二、参数设置

在Halcon等图像处理软件中，harris_binomial算子通常具有一系列可配置的参数，这些参数用于调整算法的性能和结果。以下是一些常见的参数及其说明（以Halcon为例）：

• mask_size_grd：梯度计算时使用的掩模大小。这个参数影响梯度计算的精度和计算量。
• mask_size_smooth：高斯平滑时使用的掩模大小。平滑操作有助于消除噪声，但过大的掩模可能会导致细节丢失。
• alpha：角点响应函数中的加权系数。它用于平衡Ix2和Iy2在R值计算中的贡献。
• threshold：角点检测的阈值。只有当R值大于此阈值时，像素点才会被视为角点。

请注意，以上参数仅为示例，并非所有实现都会包含这些参数。在实际应用中，应根据具体需求和图像特性来选择合适的参数设置。

三、与其他Harris算法的比较

1. 与原始Harris算法的比较：

• • harris_binomial在速度上优于原始Harris算法，因为它采用了二项式近似来简化计算。然而，在某些情况下，它可能会牺牲一些检测精度来换取速度提升。

1. 与其他优化算法的比较：

• • 除了harris_binomial外，还有其他一些优化算法如Shi-Tomasi角点检测器等。这些算法在保持Harris算法基本思想的同时，也通过不同的方式来提高计算效率或检测精度。选择哪种算法取决于具体的应用场景和需求。

四、总结

harris_binomial是一种在保持Harris算法基本特性的基础上，通过引入二项式近似来加速计算过程的优化算法。它适用于需要快速角点检测的场景，并在Halcon等图像处理软件中得到了广泛应用。在实际应用中，应根据具体需求和图像特性来选择合适的参数设置和算法实现。

测试代码

* This program illustrates how to use the Harris Binomial point detector.
* 
read_image (Image, 'fabrik')
dev_close_window ()
dev_open_window_fit_image (Image, 0, 0, [500,800], [400,800], WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
* 
MaskSizeGrd := 5
MaskSizeSmooth := 15
Alpha := 0.04
Threshold := 1000
Subpix := 'on'
* 
count_seconds (S1)
points_harris_binomial (Image, MaskSizeGrd, MaskSizeSmooth, Alpha, Threshold, Subpix, Row, Column)
count_seconds (S2)
gen_cross_contour_xld (Cross, Row, Column, 6, rad(45))
* 
dev_display (Image)
dev_set_color ('green')
dev_display (Cross)
disp_message (WindowHandle, |Row| + ' points found in ' + (1000 * (S2 - S1))$'.3' + ' ms', 'window', 12, 12, 'black', 'true')