角点检测
在图像处理领域,角点检测算法主要有以下几类:
- 基于灰度图像的角点检测
- 基于二值图像的角点检测
- 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: