OpenCV教程(43) harris角的检测(1)

      计算机视觉中，我们经常要匹配两幅图像。匹配的的方式就是通过比较两幅图像中的公共特征，比如边，角，以及图像块（blob）等，来对两幅图像进行匹配。在这篇教程中，我们来学习如何在图像中检测harrs特征角。

      角是两条边的交叉点，它在两个方向梯度变化明显。我们可以通过这个特征来检测角。下面我们看看harris角的计算方法：

    对于灰度图像 ，我们在窗口内，用x方向的偏移u和y方向的偏移v，扫过所有像素，得到一个图像灰度值的变化和。

• 表示在 位置的窗口。
• 是 位置的图像灰度值。
• 是位置 的图像灰度值。

• 

• 

• 

• 表示成矩阵乘法形式：

  

• 假设

  

• 则有：

  

• 对每一个窗口计算得到一个分数，根据分数的大小来判定窗口内是否存在harris特征角，分数R根据下面公式计算得到：

  

  这里:(是矩阵的2个特征值，k是一个指定值，这是一个经验参数，需要实验确定它的合适大小，通常它的值在0.05和0.5之间)。

  • det(M) =
  • trace(M) =

  在opencv中，我们可以通过函数cv::cornerHarris 计算特征角，

C++: void cornerHarris(InputArray src, OutputArray dst, int blockSize, int ksize, double k, intborderType=BORDER_DEFAULT )

Parameters:

• src – 单通道8位或者浮点图像。
• dst – 存储 Harris 角的结果图像，它的格式为：CV_32FC1，图像大小和源图像一直。
• blockSize – 就是扫描时候窗口的大小。
• ksize – Sobel() 算子使用的值。
• k – 上面介绍的计算R时候的k参数值
• borderType –像素插值方法。

下面的代码显示一副图像的harris角检测结果：

// 读入输入图像
cv::Mat image= cv::imread("../church01.jpg",0);
if (!image.data)
    return 0;

// 显示图像
cv::namedWindow("Original Image");
cv::imshow("Original Image",image);

// 检测 Harris Corners
cv::Mat cornerStrength;
cv::cornerHarris(image,cornerStrength,
    3,     // neighborhood size
    3,     // aperture size
    0.01); // Harris parameter

//二值化harris角的检测结果
cv::Mat harrisCorners;
double threshold= 0.0001;
cv::threshold(cornerStrength,harrisCorners,
    threshold,255,cv::THRESH_BINARY_INV);

// 显示结果
cv::namedWindow("Harris Corner Map");
cv::imshow("Harris Corner Map",harrisCorners);
下面是程序的运行结果：

程序代码：参考工程文件FirstOpenCV48

OpenCV教程(43) harris角的检测(1)

原文：http://www.cnblogs.com/mikewolf2002/p/3547436.html