opencv-python Harris角点检测笔记

opencv-python Harris角点检测笔记

内部区域的方框无论往哪个方向进行偏移，像素值都不会有很大变化。（蓝色框）
边缘处的方框在一个方向上进行偏移像素值变化很大，另一个方向变化很小。（黑色框）
角点处的方框无论往哪个方向进行偏移，都会对框内像素值造成很大的变动。（红色框）

（1）将窗口向各个方向移动(u,v)然后计算所有差异的总和。窗口函数可以是正常的矩形，也可以对每一个像素给予不同权重的高斯窗口。
（2）角点检测中要使 E(u,v)的值最大。这就是说必须使方程右侧的第二项的取值最大。对上面的等式进行泰勒级数展开然后再通过几步数学换算（可以参考其他标准教材），我们得到下面的等式：

其中
Ix和Iy是图像在x和y方向的导数。（可以使用函数 cv2.Sobel() 计算得到）

（3）根据一个用来判定窗口内是否包含角点的等式进行打分。



当λ1和λ2都小时，|R|也小，这个区域就是一个平坦区域。
当λ1>>λ2或者λ2>>λ1时，R<0，此时是边缘。
当λ1和λ2都很大时，R也很大，（λ1和λ2中的最小值都大于阈值）说明这个区域是角点。

代码实现：
Open 中的函数 cv2.cornerHarris()可以用来进行角点检测。参数如下: 　　
• img - 数据类型为float32的输入图像。 　　
• blockSize -角点检测中要考虑的领域大小。 　　
• ksize - Sobel求导中使用的窗口大小。 　　
• k - Harris角点检测方程中的自由参数,取值参数为 [0,04,0.06]。

import cv2
import numpy as np

img = cv2.imread("img/chessboard.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
# 最重要的是第三个参数，该参数限定了Sobel算子的中孔。conerHarris函数会使用
# Sobel算子，并且第三个参数定义了Sobel算子的中孔，该参数定义了角点检测的敏感度
# 其取值必须介于3和31之间的奇数。
dst = cv2.cornerHarris(gray, 2, 3, 0.04)
# 参数值越小，标记角点的记号越小。
img[dst > 0.01*dst.max()] = [0, 0, 255]

cv2.imshow("dst", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考文章：

https://www.cnblogs.com/DOMLX/p/8763369.html