openCV特征提取及检测（一）-- Harris角点检测
发布时间
阅读量：
阅读量
Harris角点检测
人眼对角点的识别通常是通过一个局部的小窗口完成，如果在各个方向上移动该小窗口，且窗口内的灰度发生了较大的变化，则说明窗口内存在角点。
·如果在某个方向移动，灰度几乎不变，说明是平坦区域
·如果只延某一个方向移动，灰度几乎不变，说明是直线
·如果延各个方向移动，灰度均发生变化，说明是角点。
主要推导公式如下：
在找出矩阵后，便可以找出矩阵的两个特征值，根据两个特征值的关系区分是否是角点
以上是Harris定义角点响应函数，k为常验函数0.04-0.06.
定义当R>threshold时为局部极大值点，定义为角点
Api如下：
kszie：为sobel算子和尺寸，如果小于0，采用3*3的scharr
blockSize：邻域大小，对每个像素，考虑blocksize*blocksize大小的邻域S（p），在邻域上计算图像的差分的相关矩阵
代码：
#include<opencv2/opencv.hpp>
#include<math.h>
#include<iostream>
using namespace cv;
using namespace std;
const char* output_title = "HarrisCornerDetection";
int thres = 120;
int max_thres = 255;
Mat src, gray_src;
void Harris_Demo(int, void*);
int main(int argc, char** argv) {
src = imread("C:/Users/18929/Desktop/博客项目/项目图片/18.jpg");
if (src.empty()) {
printf("could not load image");
return -1;
}
imshow("input_img", src);
namedWindow(output_title, CV_WINDOW_AUTOSIZE);
//首先转换为灰度图像
cvtColor(src, gray_src, COLOR_BGR2GRAY);
createTrackbar("Threshold:", output_title, &thres, max_thres, Harris_Demo);
Harris_Demo(0, 0);
waitKey(0);
return 0;
}
void Harris_Demo(int, void*) {
Mat dst, norm_dst,norm_result;
dst = Mat::zeros(gray_src.size(), CV_32FC1);
//定义参数
int blockSize = 2;
int ksize = 3;
double k = 0.04;
//角点检测
cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);
//检测完后，通过归一化操作，将像素限制在0-255内
normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());
//增强画质，看的更清晰
convertScaleAbs(norm_dst, norm_result);
//画出检测结果
Mat resultImg = src.clone();
for (int row = 0; row < resultImg.rows; row++)
{
//获取对应结果图的行数
uchar* currentRow = norm_result.ptr(row);
for (int col = 0; col < resultImg.cols; col++)
{
int value = (int)*currentRow;
//比较，如果对应值笔阈值大，则为角点
if (value > thres) {
circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);
}
currentRow++;
}
}
}
全部评论 (0)
还没有任何评论哟~