示例程序041--Harris 角点检测子

图像特征类型:

• 边缘：前面的文章已经涉及。
• 角点 (感兴趣关键点)：两个边缘的连接点，它代表了两个边缘变化的方向上的点。图像梯度有很高的变化。这种变化是可以用来帮助检测角点的
• 斑点(Blobs) (感兴趣区域)

如何寻找角点：

• 由于角点代表了图像像素梯度变化，我们将寻找这个”变化”。

• 考虑到一个灰度图像  . 划动窗口  (with displacements  在x方向和  方向)  计算像素灰度变化。

  

  其中:

  •  is the window at position 
  •  is the intensity at 
  •  is the intensity at the moved window 

• 为了寻找带角点的窗口，我们搜索像素灰度变化较大的窗口。于是, 我们期望最大化以下式子:

  

• 使用 泰勒(Taylor)展开式:

  

• 式子可以展开为:

  

• 一个举证表达式可以写为:

  

• 表示为:

  

• 因此我们有等式:

  

• 每个窗口中计算得到一个值。这个值决定了这个窗口中是否包含了角点:

  

  其中:

  • det(M) = 
  • trace(M) = 

  一个窗口，它的分数  大于一个特定值，这个窗口就可以被认为是”角点”

用到的函数：

cornerHarris

void cornerHarris(InputArray src, OutputArray dst, int blockSize, int apertureSize, double k, int borderType=BORDER_DEFAULT )

Parameters:

src – Input single-channel 8-bit or floating-point image. dst – Image to store the Harris detector responses. It has the type CV_32FC1 and the same size as src . blockSize – Neighborhood size (see the details on cornerEigenValsAndVecs() ). apertureSize – Aperture parameter for the Sobel() operator. k – Harris detector free parameter. See the formula below. boderType – Pixel extrapolation method. See borderInterpolate() .

The function runs the Harris edge detector on the image. Similarly to cornerMinEigenVal() and cornerEigenValsAndVecs() , for each pixel it calculates a gradient covariance matrix over a neighborhood. Then, it computes the following characteristic:

 

Corners in the image can be found as the local maxima of this response map.

该函数将角点检测子存入dst矩阵，矩阵中的检测子若大于阈值则认为是角点。

 

程序代码及注释：

// 049 角点检测.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>

using namespace cv;
using namespace std;

 

/// Global variables
Mat src, src_gray;
int thresh = 200;
int max_thresh = 255;

char* source_window = "Source image";
char* corners_window = "Corners detected";

 

/// Function header
void cornerHarris_demo( int, void* );

 

int main( int argc, char** argv )
{
 //读入图像并转灰度
  src=imread("corner.jpg");
   imshow( source_window, src );

 

  cvtColor( src, src_gray, CV_BGR2GRAY );

 

   namedWindow( source_window, CV_WINDOW_AUTOSIZE );

 

 /// Create a window and a trackbar

  createTrackbar( "Threshold: ", source_window, &thresh, max_thresh, cornerHarris_demo );

  cornerHarris_demo( 0, 0 );

 
  waitKey(0);
  return(0);
}

void cornerHarris_demo( int, void* )
{

  Mat dst, dst_norm, dst_norm_scaled;
  dst = Mat::zeros( src.size(), CV_32FC1 );

 

  /// Detector parameters
  int blockSize = 2;
  int apertureSize = 3;
  double k = 0.04;

 

  /// 角点检测子存储到dst矩阵
  cornerHarris( src_gray, dst, blockSize, apertureSize, k, BORDER_DEFAULT );

 

  /// 归到[0,255]
  normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );
  convertScaleAbs( dst_norm, dst_norm_scaled );   //取整

  for( int j = 0; j < dst_norm.rows ; j++ )
     { for( int i = 0; i < dst_norm.cols; i++ )
          {
            if( (int) dst_norm.at<float>(j,i) > thresh )        //若角点检测子大于阈值，画圈标注
              {
               circle( dst_norm_scaled, Point( i, j ), 5,  Scalar(0), 2, 8, 0 );
              }
          }
     }
 

  namedWindow( corners_window, CV_WINDOW_AUTOSIZE );
  imshow( corners_window, dst_norm_scaled );
}

运行结果：