C++实现Harris算法角点提取完整代码 结果图 Win10 + VS2017 + OpenCV

• Harris角点检测基本思想：从图像局部的小窗口观察图像特征
• 角点定义：窗口向任意方向的移动都导致图像灰度的明显变化，标准就是响应函数R的值以及阈值Thr。
• Harris算法实际上是对Moravec的改进，从四个方向上的变化分析增加到8个方向，利用Harris响应函数细化边缘要素、提取孤立点，而且具有了旋转不变性。

 

1. 算法步骤

1. 确定一个n*n的影像窗口，对窗口内每一个像素进行一阶差分运算，求得在x、y方向的梯度。
2. 对梯度值进行高斯滤波。
3. 计算M矩阵，然后计算响应值R。
4. 在3*3或5*5的邻域内进行非极大值抑制，即选取兴趣值的局部极值点，在窗口内取最大值。 局部极值点的数目往往很多，也可以根据特征点数提取的数目要求，对所有的极值点排序，根据要求选出兴趣值最大的若干个点作为最后的结果。

2. 步骤数学表达

3. 代码实现

函数声明以及头函数调用

#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include <iostream>  
#include <cmath>
using namespace cv;
using namespace std;

void ConvertRGB2GRAY(const Mat &image, Mat &imageGray);
void SobelGradDirction(Mat &imageSource, Mat &imageSobelX, Mat &imageSobelY);
void SobelXX(const Mat imageGradX, Mat_<float> &SobelAmpXX);
void SobelYY(const Mat imageGradY, Mat_<float> &SobelAmpYY);
void SobelXY(const Mat imageGradX, const Mat imageGradY, Mat_<float> &SobelAmpXY);
double *getOneGuassionArray(int size, double sigma);
void MyGaussianBlur(Mat_<float> &srcImage, Mat_<float> &dst, int size);
void harrisResponse(Mat_<float> &GaussXX, Mat_<float> &GaussYY, Mat_<float> &GaussXY, Mat_<float> &resultData, float k);
void LocalMaxValue(Mat_<float> &resultData, Mat &srcGray, Mat &ResultImage, int kSize);

主函数

int main()
{
	const Mat srcImage = imread("haha.jpg");
	if (!srcImage.data)
	{
		printf("could not load image...\n");
		return -1;
	}
	imshow("srcImage", srcImage);	//显示原图像
	Mat srcGray;
	ConvertRGB2GRAY(srcImage, srcGray);//把图像转化为灰度图像

	Mat imageSobelX;
	Mat imageSobelY;
	Mat resultImage;
	Mat_<float> imageSobelXX;
	Mat_<float> imageSobelYY;
	Mat_<float> imageSobelXY;
	Mat_<float> GaussianXX;
	Mat_<float> GaussianYY;
	Mat_<float> GaussianXY;
	Mat_<float> HarrisRespond;

	SobelGradDirction(srcGray, imageSobelX, imageSobelY);//计算灰度图像的Soble的XY梯度
	SobelXX(imageSobelX, imageSobelXX);//计算X方向的梯度的平方
	SobelYY(imageSobelY, imageSobelYY);//计算Y方向的梯度的平方
	SobelXY(imageSobelX, imageSobelY, imageSobelXY);//计算对角方向的梯度的平方
	//计算高斯模糊XX YY XY
	MyGaussianBlur(imageSobelXX, GaussianXX, 3);
	MyGaussianBlur(imageSobelYY, GaussianYY, 3);
	MyGaussianBlur(imageSobelXY, GaussianXY, 3);
	harrisResponse(GaussianXX, GaussianYY, GaussianXY, HarrisRespond, 0.05);	//响应函数
	LocalMaxValue(HarrisRespond