参考博客:
1、https://blog.csdn.net/with__sunshine/article/details/88954489
2、https://www.cnblogs.com/djrcomeon/p/12368533.html
使用sobel算子进行图像的梯度计算
3、https://blog.csdn.net/weixin_41745620/article/details/83618875
4、贾志刚老师的讲解和课件
正文:
1.Harris角点
1.1基本定义
首先,什么是角点,角点是指一个边缘轮廓的一角。角点可以在一个物体的边缘处,但是边缘不同于角点,简单来说角点就是同时是边缘和角的点。
1.2判断依据
计算机完成角点检测是通过一个小窗口逐步扫描过去来完成的,在移动过程中的灰度的变换则作为判断角点的依据:
①.当检测窗口移动时,灰度几乎没有发生变化 ->认为是“平整地带”;
②.当检测窗口移动时,灰度只在一个方向上发生突变 ->认为是“边缘地带”;
③.当检测窗口移动时,灰度在各个方向上均发生突变 ->认为是“角点地带”;
关于这个是不是有些不清楚,请看“二元函数的泰勒展开”
https://wenku.baidu.com/view/7a46a6d749649b6648d747cf.html
E(u,v)具体含义我也不知道,可以理解为沿着某个方向的变化大小的期望,配合之前的解释,沿着多个方向若灰度变化都很大则定义为角点。
化成矩阵的形式后记 M2 = [A, C; C, B]
A 是 图像在x方向上的二次偏导数;
B 是 图像在y方向上的二次偏导数;
C 是 图像在xy方向上的梯度乘积;
为了求A , C ,B我们需要首先计算两个方向上的梯度;梯度的计算表可以用sobel算子等相关算子进行计算。
这里要注意,在计算梯度时,通过计算梯度进行找出M矩阵
求出梯度的图,按照Ksize进行平移
遍历dst图像中各个值,如果值越大说明角点越明显,角点的可能性越大。
会得到harris的opencvAPI按照角度的计算值输出矩阵。
函数的API:
cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);
源码:
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
Mat src, gray_src;
int thresh = 100;
int max_count = 255;
const char* output_title = "HarrisCornerDetection Result";
void Harris_Demo(int, void*);
int main(int argc, char** argv) {
src = imread("C:/Users/Chengwen/Desktop/harris_corner.png");
if (src.empty()) {
printf("could not load image...\n");
return -1;
}
namedWindow("input image", CV_WINDOW_AUTOSIZE);
imshow("input image", src);
namedWindow(output_title, CV_WINDOW_AUTOSIZE);
cvtColor(src, gray_src, COLOR_BGR2GRAY);
createTrackbar("Threshold:", output_title, &thresh, max_count, Harris_Demo);
Harris_Demo(0, 0);
waitKey(0);
return 0;
}
void Harris_Demo(int, void*) {
Mat dst, norm_dst, normScaleDst;
dst = Mat::zeros(gray_src.size(), CV_32FC1);
int blockSize = 2;
int ksize = 3;
double k = 0.04;
cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);
normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());//归一化,将输出值进行重映射,值域0-255
convertScaleAbs(norm_dst, normScaleDst);
Mat resultImg = src.clone();
for (int row = 0; row < resultImg.rows; row++) {
for (int col = 0; col < resultImg.cols; col++) {
int value = normScaleDst.at<uchar>(row,col);//遍历归一化后的结果图,把值提出来
if (value > thresh) {
circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);
}
}
}
imshow(output_title, resultImg);
}
可以共同讨论,相互学习!