特征提取与检测1-Harris角点检测
Harris角点检测
Harris角点检测理论(1998提出)
参数说明
代码演示
Harris角点检测理论
人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口,窗口内区域的灰度发生了较大的变化,那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时,窗口内图像的灰度没有发生变化,那么窗口内就不存在角点;如果窗口在某一个方向移动时,窗口内图像的灰度发生了较大的变化,而在另一些方向上没有发生变化,那么,窗口内的图像可能就是一条直线的线段。如下图:
其中,I(x,y)表示像素的灰度值
-blockSize – 计算时候的矩阵大小
-Ksize 窗口大小
-K表示计算角度响应时候的参数大小,默认在0.04~0.06
- 阈值t,用来过滤角度响应
角点检测代码
#include #include using namespace cv;using namespace std;Mat src, gray_src;int thresh = 130;int max_count = 255;const char* output_title = "HarrisCornerDetection Result";void Harris_Demo(int, void*);int main(int argc, char** argv) { src = imread("D:/vcprojects/images/home.jpg"); if (src.empty()) { printf("could not load image...\n"); return -1; } namedWindow("input image", CV_WINDOW_AUTOSIZE); imshow("input image", src); namedWindow(output_title, CV_WINDOW_AUTOSIZE); cvtColor(src, gray_src, COLOR_BGR2GRAY); createTrackbar("Threshold:", output_title, &thresh, max_count, Harris_Demo); Harris_Demo(0, 0); waitKey(0); return 0;}void Harris_Demo(int, void*) { Mat dst, norm_dst, normScaleDst; dst = Mat::zeros(gray_src.size(), CV_32FC1); int blockSize = 2; int ksize = 3; double k = 0.04; cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT); normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat()); convertScaleAbs(norm_dst, normScaleDst); Mat resultImg = src.clone(); for (int row = 0; row < resultImg.rows; row++) { uchar* currentRow = normScaleDst.ptr(row); for (int col = 0; col thresh) { circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0); } currentRow++; } } imshow(output_title, resultImg);}
个人自学代码
void DlgImageProcessing::on_btnHarris_clicked(){ if (m_srcImage.data) { Mat grayImage; if (m_srcImage.type() != CV_8UC1) { cvtColor(m_srcImage, grayImage, COLOR_RGB2GRAY); } else { grayImage = m_srcImage.clone(); } Mat dstImage = Mat::zeros(grayImage.size(), CV_32FC1);//harris角点核心函数 int blockSize = 2;//矩阵大小 int ksize = 3;//窗口大小 int k = 0.04;//计算角度响应时候的参数大小,默认在0.04~0.06 cornerHarris(grayImage, dstImage, blockSize, ksize, k, BORDER_DEFAULT); //上述输出的取值范围并不是0-255 需要按照最大最小值进行归一化 Mat normImage, normScaleDst; normalize(dstImage, normImage, 0, 255, NORM_MINMAX, CV_32FC1, Mat()); convertScaleAbs(normImage, normScaleDst); Mat resultImg = m_srcImage.clone(); int thresholdValue = ui.horizontalSliderThresholdValue->value(); RNG rng(12345);//用彩色来显示for (int row = 0; row < resultImg.rows; row++){ //定义每一行的指针 uchar* currentRow = normScaleDst.ptr(row); for (int col = 0; col thresholdValue){ circle(resultImg, Point(col, row), 2, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), 2, 8, 0); } currentRow++; } } emit ShowImage(resultImg); cvtColor(resultImg, resultImg, COLOR_RGB2BGR); cv::imshow("this result", resultImg); }}