前言
时间过去了大约一个月,成长之路已经写到第11篇,前面的10篇使我得到了锻炼,初步体验了数字图像处理的趣味,同时提高了自己的一些不足。比如数学知识有所巩固加强。在编程的过程中,我只是把原理初步的用c++描述出来,当运行程序后,发现效率总不令人满意,这也在提醒我,优化算法与代码的重要性,但在优化的过程中还要尽量不牺牲程序的可读性。程序的界面用的是QT写的,随着界面功能的增多,提高代码复用并减少对封装的破坏也是我关注的一个问题。
总之,之前的篇可以说是知识的热身阶段,真正的学习或许是从这篇角点检测开始,因为角点检测是很重要的知识点,用途很多,也有一定难度。限于我目前的水品,也只能够试着写出自己的理解,随着日后知识的提升,这篇文章也会加以完善。
参考了很多文章,也会在结尾列出这些连接。关于harris角点检测,网上虽然有很多文章,不过也都大多互相参考。有些问题,如,harris算法与moravce算法相比,在方向上的改进体现在哪?
既然harris角点检测算法是对Moravce算法的改进,所以我们先来看看Moravce算法。
如果像素在一个平坦的区域中,那么临近的像素值会相差不多。如果像素在边缘上,那么在与边缘平行的方向上,像素值较接近,而在与边缘垂直的方向上,像素值变化会剧烈。如果像素是一个角点,那么像素值在任何方向都会出现剧烈变化。
这是Moravce算法的基本思路,那么如何描述这种变化?最简单的是用差值来表示,为了避免负数,用差值的平方来表示。
以水平方向为例:
Harris算法
u,v为水品和垂直方向微小移动。其中 ![](https://img-blog.csdn.net/20171004145041797?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxMTI3MTAzOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
两式合并:
在矩阵理论中,上式称为二次型矩阵。 是对称矩阵。
在几何上是椭圆。可以把矩阵M变成标准型。标准型的各项系数就是矩阵的特征值。
计算特征值的方法需要很大的计算量,harris并没有这样做,而是利用矩阵的迹和行列式的值来计算一个角点响应R来判断角点:
当R为正时检测到的是角点。其中
,
是M的特征值。
程序
今天这个文章就算一个笔记吧,记录自己学习的过程,对于角点检测的学习还没有结束,这篇文章还有很多需要修改的地方,待我知识更多的时候,要回来完善。
参考:
http://www.cnblogs.com/ronny/p/4009425.html
http://blog.csdn.net/newthinker_wei/article/details/45603583
https://www.zhihu.com/question/38902714?from=profile_question_card