Opencv--Harris角点检测

最新推荐文章于 2024-01-29 17:18:43 发布

kaichu2

最新推荐文章于 2024-01-29 17:18:43 发布

阅读量508

点赞数

分类专栏： opencv 文章标签： Opencv--Harris角点检测

本文链接：https://blog.csdn.net/weixin_43687366/article/details/101196455

版权

opencv 专栏收录该内容

12 篇文章 1 订阅

订阅专栏

什么是角点？

简单来说就是局部窗口沿各方向移动，均发生明显变化的点；图像局部曲率突变的点；下面就是不同的角点

比较有名角点检测的就是：Harris角点检测、CSS角点检测

一、Harris角点检测

1、从图像局部小窗口观察图像特征；

2、窗口向任意方向的移动都导致图像灰度的明显变化；（角点定义）

窗口移动的三种情况判断：

（1）平坦区域：这种情况下任意方向移动无灰度值变化

（2）边缘：沿着边缘方向移动，无灰度值变化

（3）角点：沿着任意方向移动，发生明显灰度值变化

总的来说，角点在任意方向移动都会有明显变化；如果在图像区域移动过程中灰度没有变化，说明没有角点；还有就是如果在某一个方向移动，一个发生很大变化另一侧没有变化，那么说明这个区域是位于该对象的边缘区域；表达式如下：

对于图像I(x,y)，在点(x,y)处平移(u,v)后的自相似性。其中w(x,y)是加权函数，它可以是常数，也可以是高斯加权函数。

1表示在窗口里，0表示外面 Gaussian高斯加权

为了寻找带角点的窗口，我们搜索像素灰度变化较大的窗口。于是我们期望最大化下面的式子；

$\sum _{x,y}[ I(x+u,y+v) - I(x,y)]^{2}$

然后使用泰勒公式展开：

$E(u,v) \approx \sum _{x,y}[ I(x,y) + u I_{x} + vI_{y} - I(x,y)]^{2}$

展开式为：

$E(u,v) \approx \sum _{x,y} u^{2}I_{x}^{2} + 2uvI_{x}I_{y} + v^{2}I_{y}^{2}$

转换为矩阵表达式可以写为：

$E(u,v) \approx \begin{bmatrix} u & v \end{bmatrix} \left ( \displaystyle \sum_{x,y} w(x,y) \begin{bmatrix} I_x^{2} & I_{x}I_{y} \\ I_xI_{y} & I_{y}^{2} \end{bmatrix} \right ) \begin{bmatrix} u \\ v \end{bmatrix}$

表示为：

$M = \displaystyle \sum_{x,y} w(x,y) \begin{bmatrix} I_x^{2} & I_{x}I_{y} \\ I_xI_{y} & I_{y}^{2} \end{bmatrix}$

每个窗口中计算得到一个值。这个值决定了这个窗口中是否包含了角点:

$R = det(M) - k(trace(M))^{2}$

其中:

det(M) = $\lambda_{1}\lambda_{2}$
trace(M) = $\lambda_{1}+\lambda_{2}$

一个窗口，它的分数大于一个特定值，这个窗口就可以被认为是”角点”

λ1和λ2是M的特征值。这些特征值决定了一个区域是角，边缘还是平面。

当|R|很小时，即λ1和λ2很小时，该区域时平面。
当 R < 0时，即λ1远远大于λ2或者λ2远远大于λ1时，该区域时直线。
当 R很大时，即λ1和λ2都很大且近似相等，该区域时角点。他们的关系可以表示为下图。

数学表达式如下：

算法：

对角点响应函数R进行阈值处理：R > threshold 然后提取 R 的局部最大值

Harris角点的性质：

该算法算子对亮度和对比度的变化不敏感。
算子具有旋转不变性。
算子不具有尺度不变性。

Python中Harris角点检测函数

cv2.cornerHarris(src, blockSize, ksize, k[, dst[,borderType]]) -> dst
其中，src - 输入为单通道8位或者浮点数图片，dst - 存储哈里斯角点检测响应的图像矩阵，矩阵大小跟src输入的一样，数据类型为浮点数， blockSize - 邻域大小，ksize - 孔径参数，k - 公式中的无限制参数，borderTyoe - 边界处理类型。

代码如下：

import cv2
import numpy as np
img = cv2.imread('test.jpg')
print('img.shape:',img.shape)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = cv2.cornerHarris(gray,2,3,0.06)
print('dst.shape:',dst.shape)
img[dst>0.01*dst.max()] = [0,0,255]
cv2.imshow('dst',img)
cv2.waitKey()
cv2.destroyAllWindows()