Harris corner檢測器

目標

在本教程中，您將學習：

• 什么功能和為什么它們是重要的
• 使用函數(shù)cv :: cornerHarris使用Harris-Stephens方法檢測corner。
  

理論

什么是功能？

• 在計算機視覺中，通常我們需要在環(huán)境的不同幀之間找到匹配點。為什么？如果我們知道兩個圖像如何相互關聯(lián)，我們可以使用這兩個圖像來提取它們的信息。
• 當我們說匹配點時，我們在一般意義上指的是我們可以輕松識別的場景中的特征。我們稱這些特征為特征。
• 那么功能有什么特點呢？它必須是唯一可識別的

圖像特征的類型

提到幾個：

• 邊緣
• 角（也稱為興趣點）
• 斑點（也稱為感興趣區(qū)域）

在本教程中，我們將特別研究角落特征。

為什么角落如此特別？

• 因為它是兩個邊的交點，它代表這兩個邊的方向改變的點。因此，圖像的梯度（兩個方向）具有高的變化，可用于檢測它。

它是如何工作的？

• 讓我們來看看吧。由于角代表了圖像中漸變的變化，我們將尋找這種“變化”。
• 考慮一個灰度圖像I。我們要掃一個窗口w（x，y）（x位移u和y方向的v）I我將計算強度的變化。
  

where:

1. w(x,y) is the window at position (x,y)
2. I(x,y) is the intensity at (x,y)
3. I(x+u,y+v) is the intensity at the moved window (x+u,y+v)

• 由于我們正在尋找具有角落的窗戶，所以我們正在尋找強度變化很大的窗戶。因此，我們必須最大化上述方程，特別是術語：
  

• 使用泰勒擴展：
  

• 擴大方程并正確取消：
  

• 其中可以以矩陣形式表示為：
  

• 可以表示為：
  

• 那么現(xiàn)在我們的方程是：
  

• 計算每個窗口的分數(shù)，以確定它是否可能包含一個角：
  

where:

1. det(M) = λ1λ2
2. trace(M) = λ1+λ2

窗口R得分大于某一值的被認為是“corner”

Code

本教程代碼如下所示。您也可以從這里下載

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
Mat src, src_gray;
int thresh = 200;
int max_thresh = 255;
const char* source_window = "Source image";
const char* corners_window = "Corners detected";
void cornerHarris_demo( int, void* );
int main( int, char** argv )
{
  src = imread( argv[1], IMREAD_COLOR );
  cvtColor( src, src_gray, COLOR_BGR2GRAY );
  namedWindow( source_window, WINDOW_AUTOSIZE );
  createTrackbar( "Threshold: ", source_window, &thresh, max_thresh, cornerHarris_demo );
  imshow( source_window, src );
  cornerHarris_demo( 0, 0 );
  waitKey(0);
  return(0);
}
void cornerHarris_demo( int, void* )
{
  Mat dst, dst_norm, dst_norm_scaled;
  dst = Mat::zeros( src.size(), CV_32FC1 );
  int blockSize = 2;
  int apertureSize = 3;
  double k = 0.04;
  cornerHarris( src_gray, dst, blockSize, apertureSize, k, BORDER_DEFAULT );
  normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );
  convertScaleAbs( dst_norm, dst_norm_scaled );
  for( int j = 0; j < dst_norm.rows ; j++ )
     { for( int i = 0; i < dst_norm.cols; i++ )
          {
            if( (int) dst_norm.at<float>(j,i) > thresh )
              {
               circle( dst_norm_scaled, Point( i, j ), 5,  Scalar(0), 2, 8, 0 );
              }
          }
     }
  namedWindow( corners_window, WINDOW_AUTOSIZE );
  imshow( corners_window, dst_norm_scaled );
}

結果

原始圖片：

檢測到的角落被一個小的黑色圓圈包圍