opencv_Harris角点检测

//Harris角点检测的基本思想：从图像局部的小窗口观察图像特征，在各个方向移动都会导致图像灰度的明显变化，也就是说图像的梯度在各个方向有很大变化。平坦区和边缘灰度基本不变。

//如何判定该区域是否存在角点，需要一个函数

//w(x,y)是搜索窗口，高斯滤波器
//u，v：窗口移动范围
// [I(x + u, y + v) " I(x, y)]2：搜索范围
//1.将I(x + u, y + v)泰勒展开–》

//Ix是该点像素值在x方向的梯度




//M(x,y)实对称阵，可以将其对角化写成特征向量矩阵，与特征值矩阵之积。
//w（x,y）高斯滤波器与像素梯度的卷积可以写成先对高斯滤波器做x/y方向的梯度，再与像素做卷积，这样效率更高


//上述讲到M(x,y)是对称阵，可以对角化，解出特征值和特征向量。特征向量r1,r2可以确定该区域特征点的角度与分布及范围，可以构成一个椭圆的形式


//判别角点：
1.当r1,r2很小时，即为平坦区，r2>>r1为边缘，，r1,r2都很大是角点。
2.公式

//alpha是经验值0.4-0.6
//|θ|很小为平坦区
θ<0为边缘
θ>>0角点
//harris角点有旋转和平移不变性，但w(x,y)高斯滤波不具有尺度不变性
//尺度不变性是SIFT角点，下面我会讲到
//harris角点检测步骤

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;
void Harris_Demo(int, void*);
int thresold =254;
Mat gray_src,src,dst;
int main()
{
	
	int max_count = 500;
	//1998
	 src = imread("C:\\Users\\Administrator\\Pictures\\Saved Pictures\\timg6ZAGKYHR.jpg");
	if (src.empty())
	{
		printf("ould not find image \n");
		return -1;
	}
	imshow("input", src);
	
	cvtColor(src, gray_src, COLOR_BGR2GRAY);

	//BORDER_DEFAULT边缘像素处理
	
	namedWindow("output",WINDOW_AUTOSIZE);
	
	createTrackbar("Threshold", "output", &thresold, max_count, Harris_Demo);
	//imshow("output", gray_src);
	Harris_Demo(0, 0);
	waitKey(0);
	return 1;
}    
void Harris_Demo(int, void*)
{
	Mat dst,norm_dst,normScaledst;
	//dst保存存放harris检测的运行结果，需要进行归一化，dst得到的是sita的值，sita>>0为角点，sita很小为平坦区，sita<0为边缘
	dst = Mat::zeros(gray_src.size(), CV_32FC1);
	int blockSize = 3;//窗口大小
	int ksize = 3;//Soble算子边缘检测，为进行边缘检测时的模板大小为ksize*ksize
	double k = 0.04;//alpha系数0.04-0.06
	//BORDER_DEFAULT边缘像素处理
	cornerHarris(gray_src, dst, blockSize, ksize, k,BORDER_DEFAULT);
	//归一化，将像素值约束到0--255
	normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());
	convertScaleAbs(norm_dst, normScaledst);

	Mat resultImg = src.clone();
	for (int i = 0; i < resultImg.rows; i++)
	{
		//拿出整个一行的数据
		uchar* currentRow = dst.ptr(i);
		for (int j = 0; j < resultImg.cols; j++)
		{
			int value = (int)*currentRow;
			if (value > thresold)
			{

				circle(resultImg, Point(j, i), 2, Scalar(0, 0, 255), 2, 8, 0);
			}
			//行指针+1，对一整行的像素值取值采样
			currentRow ++;
		}
	}
	imshow("output", resultImg);
}

//本文代码使用的API
createTrackbar(滑块名称，滑块显示窗口，初始值，最大值，回调函数)；
//回调函数原型void Harris_Demo(int, void*)；注意系数

//cornerHarris(单通道输入值, 角点值输出, 滤波器的大小, Soble角点检测, M(x,y)alpha系数,BORDER_DEFAULT边缘检测默认值);
//在回调函数中，遍历原图像像素值，用ptr()访问每行像素的角点值，设置阈值t，当像素E(x,y)函数输出值大于阈值t,则用circle（图像，绘图坐标Point(col,row),半径，颜色，粗细，线型，默认值0），圈出作为角点