Harris角点检测

最新推荐文章于 2023-07-11 20:22:28 发布
最新推荐文章于 2023-07-11 20:22:28 发布
阅读量470 收藏
点赞数
分类专栏： 图像处理基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zyzhangyue/article/details/45848671
版权 


close all;
clear all;
clc;

img=imread('rice.png');
imshow(img);
[m n]=size(img);

tmp=zeros(m+2,n+2);
tmp(2:m+1,2:n+1)=img;
Ix=zeros(m+2,n+2);
Iy=zeros(m+2,n+2);

E=zeros(m+2,n+2);

Ix(:,2:n)=tmp(:,3:n+1)-tmp(:,1:n-1);
Iy(2:m,:)=tmp(3:m+1,:)-tmp(1:m-1,:);

Ix2=Ix(2:m+1,2:n+1).^2;
Iy2=Iy(2:m+1,2:n+1).^2;
Ixy=Ix(2:m+1,2:n+1).*Iy(2:m+1,2:n+1);

h=fspecial('gaussian',[7 7],2);
Ix2=filter2(h,Ix2);
Iy2=filter2(h,Iy2);
Ixy=filter2(h,Ixy);

Rmax=0;
R=zeros(m,n);
for i=1:m
    for j=1:n
        M=[Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)];
        R(i,j)=det(M)-0.06*(trace(M))^2;
        
        if R(i,j)>Rmax
            Rmax=R(i,j);
        end
    end
end
re=zeros(m+2,n+2);

tmp(2:m+1,2:n+1)=R;
img_re=zeros(m+2,n+2);
img_re(2:m+1,2:n+1)=img;
for i=2:m+1
    for j=2:n+1
        
        if tmp(i,j)>0.01*Rmax &&...
           tmp(i,j)>tmp(i-1,j-1) && tmp(i,j)>tmp(i-1,j) && tmp(i,j)>tmp(i-1,j+1) &&...
           tmp(i,j)>tmp(i,j-1) && tmp(i,j)>tmp(i,j+1) &&...
           tmp(i,j)>tmp(i+1,j-1) && tmp(i,j)>tmp(i+1,j) && tmp(i,j)>tmp(i+1,j+1)
                img_re(i,j)=255; 
        end
          
    end
end

figure,imshow(mat2gray(img_re(2:m+1,2:n+1)));

 //定义模板运算函数

//im：输入图像  tp：模板参数

double * mbys(double * im,int imW,intimH,double *tp,int tpW,int tpH)

{

         double* out=new double[imW*imH];

         memset(out,0, imW*imH*sizeof(double));

         inti,j,m,n;

         #defineim(ROW,COL) im[imW*(ROW)+(COL)]

         #definetp(ROW,COL) tp[tpW*(ROW)+(COL)]

         #defineout(ROW,COL) out[imW*(ROW)+(COL)]

         doublea;

         for(i=0;i<imH;i++)

                   for(j=0;j<imW;j++)

                   {

                            a=0;

                            //去掉靠近边界的行

                            if(i>int(tpH/2)&& i<imH-int(tpH/2) && j>int(tpW/2) &&j<imW-int(tpW/2))

                                     for(m=0;m<tpH;m++)

                                               for(n=0;n<tpW;n++)

                                               {

                                                        a+=im(i+m-int(tpH/2),j+n-int(tpW/2))*tp(m,n);

                                               }

                            out(i,j)=a;

                   }

         returnout;

}

 

void CImagetestDoc::OnImgHarris()

{

         //gausswidth：二维高斯窗口宽度

         //sigma：高斯函数的方差

         //size：非极大值抑制的邻域宽度

         //thresh：最终确定角点所需的阈值

         inti,j,m,n,size,thresh,gausswidth;

         doublesigma;

 

         //输入四个参数

         CInput2input;

         input.m_gausswidth=5;

         input.m_sigma=0.8;

         input.m_size=5;

         input.m_thresh=5000;

         input.DoModal();

         gausswidth=input.m_gausswidth;

         sigma=input.m_sigma;

         size=input.m_size;

         thresh=input.m_thresh;

 

 

   unsigned char *lpSrc;//一个指向源、目的像素的移动指针

         LPSTRlpDIB = (LPSTR) ::GlobalLock((HGLOBAL)m_hDIB);

         intcxDIB = (int) ::DIBWidth(lpDIB);        // 图像宽度

         intcyDIB = (int) ::DIBHeight(lpDIB);       // 图像高度

         LPSTRlpDIBBits=::FindDIBBits (lpDIB);

         longlLineBytes = WIDTHBYTES(cxDIB * 8);    // 计算灰度图像每行的字节数

 

         //创建I、Ix、Ix2、Iy、Iy2、Ixy、cim、mx、corner数组

         double*I=new double[cxDIB*cyDIB];

         double*Ix=new double[cxDIB*cyDIB];

         double*Ix2=new double[cxDIB*cyDIB];

         double*Iy=new double[cxDIB*cyDIB];

         double*Iy2=new double[cxDIB*cyDIB];

         double*Ixy=new double[cxDIB*cyDIB];

         double*cim=new double[cxDIB*cyDIB];

         double*mx=new double[cxDIB*cyDIB];

 

         corner=newbool[cxDIB*cyDIB];

         memset(corner,0, cxDIB*cyDIB*sizeof(bool));

 

         //定义宏以方便访问元素

         #defineI(ROW,COL) I[cxDIB*(ROW)+(COL)]

         #defineIx(ROW,COL) Ix[cxDIB*(ROW)+(COL)]

         #defineIx2(ROW,COL) Ix2[cxDIB*(ROW)+(COL)]

         #defineIy(ROW,COL) Iy[cxDIB*(ROW)+(COL)]

         #defineIy2(ROW,COL) Iy2[cxDIB*(ROW)+(COL)]

         #defineIxy(ROW,COL) Ixy[cxDIB*(ROW)+(COL)]

         #definecim(ROW,COL) cim[cxDIB*(ROW)+(COL)]

         #definemx(ROW,COL) mx[cxDIB*(ROW)+(COL)]

         #definecorner(ROW,COL) corner[cxDIB*(ROW)+(COL)]

 

         //将图像灰度值复制到I中，这步很重要！想想为什么？

         for(i= 0; i < cyDIB; i++)

         {

                   for(j= 0; j < cxDIB; j++)

                   {                          

                            lpSrc= (unsigned char*)lpDIBBits + lLineBytes * (cyDIB - 1 - i) + j;

                            //将256级灰度图像转化为double型

                            I(i,j)=double(*lpSrc);

                   }

         }

 

 

         //--------------------------------------------------------------------------

         //                     第一步：利用差分算子对图像进行滤波

         //--------------------------------------------------------------------------

        

         //定义水平方向差分算子并求Ix

         doubledx[9]={-1,0,1,-1,0,1,-1,0,1};

         Ix=mbys(I,cxDIB,cyDIB,dx,3,3);

 

         //定义垂直方向差分算子并求Iy

         doubledy[9]={-1,-1,-1,0,0,0,1,1,1};

         Iy=mbys(I,cxDIB,cyDIB,dy,3,3);

 

        

         //计算Ix2、Iy2、Ixy

         for(i= 0; i < cyDIB; i++)

         {

                   for(j= 0; j < cxDIB; j++)

                   {        Ix2(i,j)=Ix(i,j)*Ix(i,j);

                            Iy2(i,j)=Iy(i,j)*Iy(i,j);

                            Ixy(i,j)=Ix(i,j)*Iy(i,j);

                   }

         }

 

 

         //--------------------------------------------------------------------------

         //                  第二步：对Ix2/Iy2/Ixy进行高斯平滑，以去除噪声

         //--------------------------------------------------------------------------

        

         //本例中使用5×5的高斯模板

         //计算模板参数

         double*g=new double[gausswidth*gausswidth];

         for(i=0;i<gausswidth;i++)

                   for(j=0;j<gausswidth;j++)

                            g[i*gausswidth+j]=exp(-((i-int(gausswidth/2))*(i-int(gausswidth/2))+(j-int(gausswidth/2))*(j-int(gausswidth/2)))/(2*sigma));

        

         //归一化：使模板参数之和为1（其实此步可以省略）

         doubletotal=0;

         for(i=0;i<gausswidth*gausswidth;i++)

                   total+=g[i];

         for(i=0;i<gausswidth;i++)

                   for(j=0;j<gausswidth;j++)

                            g[i*gausswidth+j]/=total;

 

         //进行高斯平滑

         Ix2=mbys(Ix2,cxDIB,cyDIB,g,gausswidth,gausswidth);

         Iy2=mbys(Iy2,cxDIB,cyDIB,g,gausswidth,gausswidth);

         Ixy=mbys(Ixy,cxDIB,cyDIB,g,gausswidth,gausswidth);

        

 

         //--------------------------------------------------------------------------

         //                        第三步：计算角点量

         //--------------------------------------------------------------------------

        

         //计算cim：即cornernessof image，我们把它称做‘角点量’

         for(i= 0; i < cyDIB; i++)

         {

                   for(j= 0; j < cxDIB; j++)

                   {

                            //注意：要在分母中加入一个极小量以防止除数为零溢出

                            cim(i,j)= (Ix2(i,j)*Iy2(i,j) - Ixy(i,j)*Ixy(i,j))/(Ix2(i,j) + Iy2(i,j) + 0.000001);

                   }

         }

 

 

         //--------------------------------------------------------------------------

         //                 第四步：进行局部非极大值抑制以获得最终角点

         //--------------------------------------------------------------------------

        

         //注意进行局部极大值抑制的思路

 

         //constdouble size=7;

         doublemax;

         //对每个点在邻域内做极大值滤波：即将该点的值设为邻域中最大的那个值（跟中值滤波有点类似）

         for(i= 0; i < cyDIB; i++)

         {

                   for(j= 0; j < cxDIB; j++)

                   {

                            max=-1000000;

                            if(i>int(size/2)&& i<cyDIB-int(size/2) && j>int(size/2) &&j<cxDIB-int(size/2))

                                     for(m=0;m<size;m++)

                                     {

                                               for(n=0;n<size;n++)

                                                        {                                                      

                                                                 if(cim(i+m-int(size/2),j+n-int(size/2))>max)

                                                                           max=cim(i+m-int(size/2),j+n-int(size/2));

                                                        }

                                     }

                            if(max>0)

                                     mx(i,j)=max;

                            else

                                     mx(i,j)=0;

                   }

         }

 

         //最终确定角点

         //constdouble thresh=4500;

         for(i= 0; i < cyDIB; i++)

         {

                   for(j= 0; j < cxDIB; j++)

                   {       

                            if(cim(i,j)==mx(i,j))  //首先取得局部极大值

                                               if(mx(i,j)>thresh)  //然后大于这个阈值

                                                        corner(i,j)=1;   //满足上两个条件，才是角点！

                   }

         }

        

         ::GlobalUnlock((HGLOBAL)m_hDIB);    

   UpdateAllViews(NULL, 0, NULL);   

}

zyzhangyue
关注
专栏目录
Harris角点检测C代码
05-28
使用opencv实现harris角点检测，需要配置opencv环境
Harris角点检测原理及C++实现
热门推荐
linqianbi的博客
12-29 2万+
1. 首先，我们不禁要问什么是harris角点？        对于角点，到目前为止还没有明确的数学定义。但是你可以认为角点就是极值点，即在某方面属性特别突出的点。一般的角点检测都是对有具体定义的、或者是能够具体检测出来的兴趣点的检测。这意味着兴趣点可以是角点，是在某些属性上强度最大或者最小的孤立点、线段的终点，或者是曲线上局部曲率最大的点。        通俗的来说，在一副图像中
Harris角点算法
lzhf1122的博客
06-05 1653
特征点检测广泛应用到目标匹配、目标跟踪、三维重建等应用中，在进行目标建模时会对图像进行目标特征的提取，常用的有颜色、角点、特征点、轮廓、纹理等特征。现在开始讲解常用的特征点检测，其中Harris角点检测是特征点检测的基础，提出了应用邻近像素点灰度差值概念，从而进行判断是否为角点、边缘、平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值，其中关键流程包括转化为灰度图像、计算差分
Harris角点检测及实现
源景.蒋的专栏
11-11 1927
Harris角点检测及实现
基于Harris角点检测的改进算法研究
10-16
【Harris角点检测】是图像处理中的一种经典算法，主要任务是识别图像中的局部特征——角点。角点是图像中亮度变化显著且在多个方向上都有显著变化的点，它们在图像处理中有着重要应用，如图像配准、物体识别等。...
harris角点检测python实现及基于opencv实现
07-01
Harris角点检测的基本思想是通过计算图像中每个像素点的“角点响应度”来判断该点是否为角点。响应度是由一个称为Hessian矩阵的二阶导数矩阵决定的。Hessian矩阵由图像的二阶偏导数构成，其元素包括对x和y方向的二阶...
matlab实现harris角点检测
03-06
**MATLAB实现Harris角点检测** Harris角点检测是一种经典的图像特征检测方法，由Chris Harris和Mike Stephens于1988年提出。这种方法基于图像局部区域的强度变化来识别图像中的角点，这些角点通常是物体边缘的交点...
【老生谈算法】Harris角点检测算法原理及其MATLAB编程实现.doc
07-02
【老生谈算法】Harris角点检测算法原理及其MATLAB编程实现.doc
harris角点检测c语言版本及opencv源码
01-12
harris角点检测c语言版本及opencv源码
C语言实现harris角点检测
xiaoyang0307的博客
01-19 3787
纯C语言实现harris角点检测，代码忽略高斯滤波部分 int sobel_kernel_x[9]={-1,0,1,-2,0,2,-1,0,1}; int sobel_kernel_y[9]={1,2,1,0,0,0,-1,-2,-1}; extern uchar sobel_res_x[1000*1000]; extern uchar sobel_res_y[1000*1000]; uchar xx[1000*1000]; uchar yy[1000*1000]; uchar xy[1000
角点检测c语言,Harris角点检测原理概述及程序实验
weixin_39518530的博客
05-21 184
参考博文：https://blog.csdn.net/lwzkiller/article/details/54633670https://blog.csdn.net/ihadl/article/details/18272627角点的定义角点检测又叫做特征点检测，是计算机视觉中用来获得图像特征的一种方法，可以应用在图像匹配，目标识别和三维重建等领域中。如果一个点在任意方向进行微小的变动都会引起很大的...
C实现harris角点检测器
MikeDai的博客
05-11 1638
实现原理 详细参照https://en.wikipedia.org/wiki/Harris_Corner_Detector。 Harris Corner Detector是一种角点检测算子，它是由克里斯·哈里斯和迈克·斯蒂芬斯于1988年首次引入，其是莫拉维克角落探测器的改进。 角是一个点，其邻域内有两个不同方向的边缘。换句话说，角可以被解释为两个边缘的连接，其中边缘是图像亮度的突然变化产生的。角...
Harris角点特征及C实现
洛的博客
11-28 1238
1、Harris角点 Harris角点检测是特征点检测的基础，该检测子对平移和旋转鲁棒。 Harris角点具有两个非常重要的性质： 《1》、具有很大的梯度幅值； 《2》、在很小的近邻内，梯度方向变化尖锐； 故可以通过窗口在小区域内滑动来确定角点位置。 直观的角点理解：角点既是图像中物体轮廓的连接点，见下图所示。当拍摄视角变化时这些特征点能很好的保持稳定特性。 2、检测原理及推导 （因为网上...
详解Harris角点检测及代码实现
恰同学少年的博客
04-02 2万+
转自：http://blog.csdn.net/dandan_397/article/details/42110719 1. 首先，我们不禁要问什么是harris角点？        对于角点，到目前为止还没有明确的数学定义。但是你可以认为角点就是极值点，即在某方面属性特别突出的点。一般的角点检测都是对有具体定义的、或者是能够具体检测出来的兴趣点的检测。这意味着兴趣点可以是角点，是
Harris角点检测算法2
sherry_gp的博客
01-14 488
前一篇文章简要的说了一下空域上的Harris角点检测，现在说一下我真正要说的时空域上的3D Harris角点检测。   其实理解了空域的角点检测，时空域上的也就是多了一个时间的维度罢了，思想是一样的。 首先我们还是进行尺度变换，将视频变化为尺度空间表示： ，其中\sigma_1是空域的尺度，\tau_1是时间域的尺度，G是高斯核函数   所以，根据空
C语言实现harris角点检测（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
05-19 203
C语言实现harris角点检测（附完整源码）
Opencv之角点 Harris、Shi-Tomasi 检测详解
最新发布
yohnyang的博客
07-11 1304
Opencv之角点 Harris、Shi-Tomasi 检测详解
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值