Opencv进阶篇---Harris角点检测

图像特征—harris

当图像沿x轴、y轴移动时，内容发生巨大变化，则为角点
A、B为平面，
C、D为边界
E、F为角点

基本原理：
平面：当图像向x轴、y轴移动时，两个方向的像素值灰度级均不发生明显变化
边界：当图像向x轴、y轴移动时，仅一个轴的像素灰度级发生剧烈的变化，另一个轴变化较小
角点：当图像向x轴、y轴移动时，两个轴方向上的像素灰度级均发生剧烈变化

数学表达：I（u，v）表示原来像素的灰度级，（∆x+y,∆y+y）表示沿x或者y轴方向上的变化的灰度值，得到差异，整个公式求的是总的变化趋势，所以取平方
W（x,y）是加权函数，可以是常数，即像素矩阵中的元素的权重相等且为一个常数
亦可以是高斯加权函数，距离近的权重大，距离远的权重小


两个特征值：λ1、λ2，一个长边，一个短边

λ1、λ2的值变大，则说明灰度值变化较大；λ1、λ2的值变小，则说明灰度值变化小
结论如下图：


** 当R≈0时，为平面区域
当R<0时，为边界
当R>0时，为角点**

cv.cornerHarris()
img:数据类型为float32的输入图像
blocksize:角点检测中指定区域的大小
ksize:Sobel求导中使用的窗口大小，一般为3
k:取值参数为[0.04,0.06]，OpenCV中默认设置好的

检测棋盘格的角点：

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

img=cv.imread("E:\OpenCVTests\Samples\sample\chessboard.jpg")
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
gray=np.float32(gray)#要求为float32的图像
dst=cv.cornerHarris(gray,10,3,0.04)
img[dst>0.5*dst.max()]=[0,0,255]#前面的常数参数根据实际情况指定,取λ1、λ2最大值时，即角点
cv.imshow("dst",img)
cv.waitKey(0)
cv.destroyAllWindows()