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);    }}