Matlab实现Harris角点检测算法

角点

一般的角点检测都是对有具体定义的、或者是能够具体检测出来的兴趣点的检测。这意味着兴趣点可以是角点，也可以是在某些属性上强度最大或者最小的孤立点、线段的终点，或者是曲线上局部曲率最大的点。在实践中，通常大部分称为角点检测的方法检测的都是兴趣点，而不是独有的角点。因此，如果只要检测角点的话，需要对检测出来的兴趣点进行局部检测，以确定出哪些是真正的角点。

目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。角点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述，分析了相关的算法，并对各种检测算法给出了评价。（源自百度百科）

Harris角点检测算法步骤

1. 利用水平、竖直差分算子对图像每个像素进行滤波以求得Ix、Iy，进而求得M中的四个元素的值（可以使用filter2，也可以使用imfilter，不过后者需要转double类型，因为det输入为double型矩阵）

2. 对M的四个元素进行高斯平滑滤波，为的是消除一些不必要的孤立点和凸起，得到新的矩阵M（M实际上只能算得上是2x2矩阵，Ix2等代表图像变换矩阵中的点）
3. 计算M对应每个像素的角点响应函数R的值，R的不同值代表的意义如下：

4. 取适当阈值，当R(i,j)大于该阈值，且为邻域中最大值，则认为该点为角点。

Matlab实现

clc;clear;close all;

img=imread('test.png');
subplot(121),imshow(img),title('原图');
img_gray=rgb2gray(img);

psf=fspecial('gaussian',[5,5],1);
Ix=filter2([-1,0,1],img_gray);
Iy=filter2([-1,0,1]',img_gray);
Ix2=filter2(psf,Ix.^2);
Iy2=filter2(psf,Iy.^2);
Ixy=filter2(psf,Ix.*Iy);

[m,n]=size(img_gray);
R=zeros(m,n);
max=0;
for i=1:m
    for j=1:n
        M=[Ix2(i,j),Ixy(i,j); Ixy(i,j),Iy2(i,j)];
        R(i,j)=det(M)-0.05*(trace(M))^2;
        if R(i,j)>max
            max=R(i,j);
        end
    end
end

thresh=0.1;%阈值可调
tmp=zeros(m,n);
neighbours=[-1,-1;-1,0;-1,1;0,-1;0,1;1,-1;1,0;1,1];
for i=2:m-1
    for j=2:n-1
        if R(i,j)>thresh*max
            for k=1:8
                if R(i,j)<R(i+neighbours(k,1),j+neighbours(k,2))
                    break;
                end
            end
            if k==8
                tmp(i,j)=1;
            end
        end
    end
end

subplot(122),imshow(img),title('角点检测');
hold on;
for i=2:m-1
    for j=2:n-1
        if tmp(i,j)==1
            plot(j,i,'rx')
        end
    end
end
hold off;      

代码效果如下：