zoukankan      html  css  js  c++  java
  • 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。

         相对于边,角更适合描述图像特征,比如下面的图像中,大概有6种特征,我们用A、B、C、D、E、F来描述,其中A, B是平的区域,在图像中很难精确定位,C,D是边,比A,B好些,但是图像中的边也很多,定位到某个边也比较困难,相比来说E,F的角更适合描述当前的图像的特征,也更好检测,因为你不论怎么移动图像,这些角的特征都和图像其它部分不同。所以在计算机视觉中,我们通常用角来描述图像特征。

    image

    E,F中的角我们通常称作角点(corner points),他们具有以下特征:

    –局部窗口沿各方向移动,均产生明显变化的点

    –图像局部曲率突变的点

    image

          在这篇教程中,我们来学习如何在图像中检测harrs特征角,harris特征角最早在paper A Combined Corner and Edge Detector中被Chris Harris & Mike Stephens提出。

         Harris角点检测的基本思想:从图像局部的小窗口观察图像特征,在各个方向移动都会导致图像灰度的明显变化,也就是说图像的梯度在各个方向有很大变化。

    image

          下面我们看看harris角的计算方法:

        对于灰度图像 384dad1263ea,我们在窗口95b5f54165b3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。

    clipboard

    • 95b5f54165b3[1] 表示在 6fe1247d189a位置的窗口。
    • 261f516b67786fe1247d189a[1]位置的图像灰度值。
    • 3d0aea79e9df 是位置 3c094d9ef3ac的图像灰度值。

         由于我们要在一个窗口内查找harris特征角,所以我们必须找到变化最大的窗口,这个窗口内肯定存在特征角,所以我们定义下面的方程,并用泰勒级数展开式子:
    • 7314e207eba0

    • 70eced22ff79

    • 08e147df728c

    • 表示成矩阵乘法形式:

      clipboard[1]

    • 假设

      clipboard[2]

    • 则有:

      4848cbfec496

    • 对每一个窗口计算得到一个分数R,根据R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:

      5c5274d5519a

      这里:(f75bc2cc216b是矩阵M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) = f75bc2cc216b[1]
      • trace(M) = 0f3e286898fc
      • 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

      imageimage

      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致
    • blockSize – 就是扫描时候窗口的大小。
    • ksizeSobel() 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:

    imageimage

    程序代码:参考工程文件FirstOpenCV48

    代码下载:http://yunpan.cn/Q4a6K68ASC5Xy

  • 相关阅读:
    Git第一次新建项目添加ssh key
    第一次将本地项目同步到git服务器
    python实现差分隐私Laplace机制
    利用皮尔逊相关系数找出与目标最相关的特征(Python实现)
    corrcoef函数python_用Numpy计算Python中的Pearson相关系数
    Python Numpy库 numpy.corrcoef()函数讲解
    皮尔森相关系数(Pearson correlation coefficient)
    Python三种方法计算皮尔逊相关系数(Pearson correlation coefficient)
    特征选择 (feature_selection)
    基于模型的特征选择详解
  • 原文地址:https://www.cnblogs.com/mikewolf2002/p/3547436.html
Copyright © 2011-2022 走看看