[角点特征]——Harris和Shi-Tomas算法

一、角点特征

 1、图像特征

二、Harris角点检测

1、原理

Harris角点检测的思想是通过图像的局部的小窗口观察图像，角点的特征是窗口沿着任意方向移动都会导致图像灰度的明显变化，如下图所示：

其中 I(x,y)是局部窗口的图像灰度，I(x+u, y+v) 是平移后的图像灰度， w(x, y) 是窗口函数，可以是矩形窗口，也可以是对每一个像素赋予不同权重的高斯窗口，如下所示： 

 推导如下：

2、Harris计算方法

角点判断：

• 当R为大数值的正数时是角点
• 当R为大数值的负数时是边界
• 当R为小数时认为是平坦区域

3、案例分析

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

#imshow中文乱码解决
def zh_ch(string):
    return string.encode('gbk').decode(errors='ignore')


#1、读取图像，并转换成灰度图像
img = cv.imread("./images/feilin_wz.bmp")
# img = cv.equalizeHist(img)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

#2、角点检测
#2.1 输入图像必须是float32
gray = np.float32(gray)
#2.2 最后一个参数在 0.04~0.0.05之间
dst = cv.cornerHarris(gray, 2, 3, 0.05)

#3、设置阈值，将角点绘制出来，阈值根据图像进行选择
img[dst>0.01*dst.max()] = [0,0,255]

#4、图像显示
cv.imshow(zh_ch('角点检测'), img)
cv.waitKey(0)
cv.destroyAllWindows()
# plt.figure(figsize=(10,8), dpi=100)
# plt.imshow(img[:,:,::-1])
# plt.title("Harris角点检测", fontproperties=my_font)
# plt.xticks([]), plt.yticks([])
# plt.show()

 三、Shi-Tomas角点检测

1、原理

2、案例分析 

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、读取图像
img = cv.imread("images/tv-towel.jpg")
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

#2、角点问题
corners = cv.goodFeaturesToTrack(gray, 1000, 0.01, 10)

#3、绘制角点
for i in corners:
    x, y = i.ravel()
    cv.circle(img, (x,y), 2, (0,0,255), -1)

#4、图像显示
plt.figure(figsize=(10,8), dpi=100)
plt.imshow(img[:,:,::-1])
plt.title("shi-thomas角点检测", fontproperties=my_font)
plt.xticks([]), plt.yticks([])
plt.show()