资料harris角点检测原理步骤说明.docx
《资料harris角点检测原理步骤说明.docx》由会员分享，可在线阅读，更多相关《资料harris角点检测原理步骤说明.docx（10页珍藏版）》请在冰豆网上搜索。
资料harris角点检测原理步骤说明
[资料]harris角点检测原理步骤说明
一、Harris角点检测基本理论
1.1简略表达:
角点:
最直观的印象就是在水平、竖直两个方向上变化均较大的点，即Ix、Iy都较大边缘:
仅在水平、或者仅在竖直方向有较大的变化量，即Ix和Iy只有其一较大平坦地区:
在水平、竖直方向的变化量均较小，即Ix、Iy都较小
角点响应
R=det（M）-k*（trace（M）^2）（附录资料给出k=0.04~0.06，opencv指出是0.05-0.5，浮动较大）
det（M）=λ1*λ2trace（M）=λ1+λ2
R取决于M的特征值，对于角点|R|很大，平坦的区域|R|很小，边缘的R为负值。
1.2详细描述:
见附录里的ppt
1.3算法步骤
其中，局部极大值可用先膨胀后与原图比较的方法求得，具体见二中源码。
二、opencv代码实现
harris类
[cpp]viewplaincopyprint?
1.#ifndefHARRIS_H
2.#defineHARRIS_H
3.#include"opencv2/opencv.hpp"
4.
5.classharris
6.{
7.private:
8.cv:
:
MatcornerStrength;//opencvharris函数检测结果，也就是每个像素的角点
响应函数值
9.cv:
:
MatcornerTh;//cornerStrength阈值化的结果10.cv:
:
MatlocalMax;//局部最大值结果11.intneighbourhood;//邻域窗口大小12.intaperture;//sobel边缘检测窗口大小（sobel获取各像素点x，y方向的灰度导
数）
13.doublek;
14.doublemaxStrength;//角点响应函数最大值15.doublethreshold;//阈值除去响应小的值16.intnonMaxSize;//这里采用默认的3，就是最大值抑制的邻域窗口大小
17.cv:
:
Matkernel;//最大值抑制的核，这里也就是膨胀用到的核
18.public:
19.harris（）:
neighbourhood（3）,aperture（3）,k（0.01）,maxStrength（0.0）,threshold（0.01）
nonMaxSize（3）{
20.
21.};
22.
23.voidsetLocalMaxWindowsize（intnonMaxSize）{24.this->nonMaxSize=nonMaxSize;25.};
26.
27.//计算角点响应函数以及非最大值抑制28.voiddetect（constcv:
:
Mat&image）{29.//opencv自带的角点响应函数计算函数30.cv:
:
cornerHarris（image,cornerStrength,neighbourhood,aperture,k）;
31.doubleminStrength;
32.//计算最大最小响应值
33.cv:
:
minMaxLoc（cornerStrength,&minStrength,&maxStrength）;
34.
35.cv:
:
Matdilated;
36.//默认3*3核膨胀，膨胀之后，除了局部最大值点和原来相同，其它非局部
最大值点被
37.//3*3邻域内的最大值点取代38.cv:
:
dilate（cornerStrength,dilated,cv:
:
Mat（））;39.//与原图相比，只剩下和原图值相同的点，这些点都是局部最大值点，保存
到localMax
40.cv:
:
compare（cornerStrength,dilated,localMax,cv:
:
CMP_EQ）;
41.}
42.
43.//获取角点图
44.cv:
:
MatgetCornerMap（doublequalityLevel）{45.cv:
:
MatcornerMap;
46.//根据角点响应最大值计算阈值47.threshold=qualityLevel*maxStrength;48.cv:
:
threshold（cornerStrength,cornerTh,49.threshold,255,cv:
:
THRESH_BINARY）;50.//转为8-bit图
51.cornerTh.convertTo（cornerMap,CV_8U）;
52.//和局部最大值图与，剩下角点局部最大值图，即:
完成非最大值抑制
53.cv:
:
bitwise_and（cornerMap,localMax,cornerMap）;54.returncornerMap;
55.}
56.
57.voidgetCorners（std:
:
vector:
Point>&points,58.doublequalityLevel）{
59.//获取角点图
60.cv:
:
MatcornerMap=getCornerMap（qualityLevel）;61.//获取角点
62.getCorners（points,cornerMap）;63.}
64.
65.//遍历全图，获得角点
66.voidgetCorners（std:
:
vector:
Point>&points,67.constcv:
:
Mat&cornerMap）{
68.
69.for（inty=0;y（y）;
71.for（intx=0;x73.if（rowPtr[x]）{
74.points.push_back（cv:
:
Point（x,y））;75.}
76.}
77.}
78.}
79.
80.//用圈圈标记角点
81.voiddrawOnImage（cv:
:
Mat&image,82.conststd:
:
vector:
Point>&points,83.cv:
:
Scalarcolor=cv:
:
Scalar（255,255,255）,84.intradius=3,intthickness=2）{
85.std:
:
vector:
Point>:
:
const_iteratorit=points.begin（）;
86.while（it!
=points.end（））{87.//角点处画圈
88.cv:
:
circle（image,*it,radius,color,thickness）;89.++it;
90.}
91.}
92.
93.};
94.
95.#endif//HARRIS_H
相关测试代码:
[cpp]viewplaincopyprint?
1.cv:
:
Matimage,image1=cv:
:
imread（"test.jpg"）;
2.//灰度变换
3.cv:
:
cvtColor（image1,image,CV_BGR2GRAY）;
4.
5.
6.//经典的harris角点方法7.harrisHarris;
8.//计算角点
9.Harris.detect（image）;10.//获得角点
11.std:
:
vector:
Point>pts;12.Harris.getCorners（pts,0.01）;13.//标记角点
14.Harris.drawOnImage（image,pts）;15.
16.cv:
:
namedWindow（"harris"）;17.cv:
:
imshow（"harris",image）;18.cv:
:
waitKey（0）;
19.return0;
相关测试结果:
三、改进的Harris角点检测
从经典的Harris角点检测方法不难看出，该算法的稳定性和k有关，而k是个经验值，
不好把握，浮动也有可能较大。
鉴于此，改进的Harris方法（）直接计算出两个特征值，
通过比较两个特征值直接分类，这样就不用计算Harris响应函数了。
另一方面，我们不再用非极大值抑制了，而选取容忍距离:
容忍距离内只有一个特征点。
该算法首先选取一个具有最大最小特征值的点（即:
max（min（e1，e2）），e1，e2是harris矩阵的特征值）作为角点，然后依次按照最大最小特征值顺序寻找余下的角点，当然和前一角点距离在容忍距离内的新角点呗忽略。
opencv测试该算法代码如下:
[cpp]viewplaincopyprint?
1.cv:
:
Matimage,image1=cv:
:
imread（"test.jpg"）;
2.//灰度变换
3.cv:
:
cvtColor（image1,image,CV_BGR2GRAY）;
4.//改进的harris角点检测方法
5.std:
:
vector:
Point>corners;
6.cv:
:
goodFeaturesToTrack（image,corners,
7.200,
8.//角点最大数目
9.0.01,
10.//质量等级，这里是0.01*max（min（e1，e2）），e1，e2是harris矩阵的特征
值
11.10）;
12.//两个角点之间的距离容忍度
13.harris（）.drawOnImage（image,corners）;//标记角点
测试结果如下:
四、FAST角点检测
算法原理比较简单，但实时性很强。
该算法的角点定义为:
若某像素点圆形邻域圆周上有3/4的点和该像素点不同（编程时不超过某阈值th），则认为该点就是候选角点。
opencv更极端，选用半径为3的圆周上（上下左右）四个点，若超过三个点和该像素点不同，则该点为候选角点。
和Harris算法类似，该算法需要非极大值抑制。
opencv代码:
[cpp]viewplaincopyprint?
1.cv:
:
Matimage,image1=cv:
:
imread（"test.jpg"）;
2.cv:
:
cvtColor（image1,image,CV_BGR2GRAY）;
3.//快速角点检测
4.std:
:
vector:
KeyPoint>keypoints;
5.cv:
:
FastFeatureDetectorfast（40,true）;
6.fast.detect（image,keypoints）;
7.cv:
:
drawKeypoints（image,keypoints,image,cv:
:
Scalar:
:
all（255）,cv:
:
DrawMatchesF
lags:
:
DRAW_OVER_OUTIMG）;
测试结果如下:
五
升级会员 