OpenCV之Harris角点检测

角点检测

在图像处理领域，角点检测算法主要有以下几类：

1. 基于灰度图像的角点检测
2. 基于二值图像的角点检测
3. 基于轮廓曲线的角点检测

而基于灰度图像的角点检测又可分为基于梯度、基于模板、基于梯度和基于模板组合三类方法。其中基于模板的方法主要考虑像素邻域点的灰度变化，即图像亮度的变化，将与相邻点亮度对比足够大的点定义为角点。

常见的基于模板的角点检测算法有Kitchen-Rosenfeld角点检测算法，harris角点检测算法，KLT角点检测算法以及SUSAN角点检测算法。

harris角点检测算法

harris角点检测是一种直接基于灰度图像的角点提取算法，稳定性高，尤其对L型角点检测精度高。但是由于采用了高斯滤波，运算速度相对较慢，角点信息有丢失和位置偏移的现象，而且角点提取有聚簇现象。

实现harris角点检测：cornerHarris()函数

cornerHarris函数对每一个像素(x, y)在blockSize * blockSize邻域内，计算2*2梯度的协方差矩阵M(x, y)，接着按照下面公式计算：

就可以找到输出图像中的局部最大值，即找到了角点。

函数原型：

void cornerHarris(inputArray src, OutPutArray dst, int blockSize, int ksize, double k, intborderType=BORDER_DEFAULT)

• 第一个参数：输入图像，Mat类对象即可，需要是8位或浮点型图像。
• 第二个参数：输出结果，和输入图像有一样的尺寸和类型。
• 第三个参数：int类型的blocSize，表示邻域的大小。
• 第四个参数：int类型的ksize，表示Sobel()算子孔径的大小。
• 第五个参数：double类型的k，Harris参数。
• 第六个参数：int类型的borderType，图像像素的边界模式。

代码示例：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;


int main() {
    Mat srcImage;
    srcImage = imread("/Users/dwz/Desktop/cpp/1.jpg");
    Mat grayImage, image;
    image = srcImage.clone();
    cvtColor(srcImage, grayImage,COLOR_BGR2GRAY);
    Mat dstImage;
//    角点检测
    cornerHarris(grayImage, dstImage, 2, 3, 0.01);

//    归一化
    Mat normImage, scaledImage;
    normalize(dstImage, normImage, 0, 255, NORM_MINMAX, CV_32FC1);
//    将归一化之后的图像变换为8位无符号整型
    convertScaleAbs(normImage, scaledImage);

//    将检测到的且大于阈值的角点画出来
    for (int j=0; j<normImage.rows; j++){
        for (int i=0;i<normImage.cols;i++)
            if ((int) normImage.at<float>(j, i) > 30)
            {
                circle(image, Point(i, j), 5, Scalar(0, 0, 255), 1, 8, 0);
            }
    }
    imwrite("image.jpg", image);


//    Mat harrisCorner;
//    threshold(cornerStrength, harrisCorner, 0.00001, 255, THRESH_BINARY);
//    imwrite("harris.jpg", harrisCorner);




    return 0;
}

输入图像：

输出：