zoukankan      html  css  js  c++  java
  • Harris角点检测


    Harris角点检测算子是对Moravec角点检测算子的改进。Moravec角点检测算子通过一个(2*N+1)*(2*N+1)的窗口在图像中逐像素滑动,计算原图像与滑动后图像的像素间的距离和来定义灰度的变化大小,包含了水平、垂直还有4个对角线方向一共8个方向上的移动。

    Harris扩展了检测方向,检测结果具有旋转不变性;对滑块窗口使用了高斯系数,对离中心越近的点赋予更高的权重,以增强对噪声的干扰;

    Opencv中cornerHarris函数可用于检测图像的Harris角点。cornerHarris函数各参数的说明:


    void cornerHarris( InputArray src, //输入8bit单通道灰度Mat矩阵
    				  OutputArray dst, //用于保存Harris角点检测结果,32位单通道,大于与src相同
    				  int blockSize,   //滑块窗口的尺寸
    				  int ksize,       //Sobel边缘检测滤波器大小
    				  double k,        //Harris中间参数,经验值0.04~0.06
    				  int borderType=BORDER_DEFAULT  //插值类型
    				  );


    简单实现:


    #include "core/core.hpp"  
    #include "highgui/highgui.hpp"  
    #include "imgproc/imgproc.hpp"  
    #include "nonfree/features2d.hpp"
    #include<iostream>  
    
    using namespace cv;  
    using namespace std;  
    
    Mat image;
    Mat imageGray;
    int thresh=200;
    int MaxThresh=255;
    
    void Trackbar(int,void*);  //阈值控制
    
    int main(int argc,char*argv[])  
    {  
    	image=imread(argv[1]);
    	cvtColor(image,imageGray,CV_RGB2GRAY);
    	GaussianBlur(imageGray,imageGray,Size(5,5),1); // 滤波
    	namedWindow("Corner Detected");
    	createTrackbar("threshold:","Corner Detected",&thresh,MaxThresh,Trackbar);
    	imshow("Corner Detected",image);
    	Trackbar(0,0);
    	waitKey();
    	return 0;
    }  
    
    void Trackbar(int,void*)
    {
    	Mat dst,dst8u,dstshow,imageSource;
    	dst=Mat::zeros(image.size(),CV_32FC1);  
    	imageSource=image.clone();
    	cornerHarris(imageGray,dst,3,3,0.04,BORDER_DEFAULT);
    	normalize(dst,dst8u,0,255,CV_MINMAX);  //归一化
    	convertScaleAbs(dst8u,dstshow);
    	imshow("dst",dstshow);  //dst显示
    	for(int i=0;i<image.rows;i++)
    	{
    		for(int j=0;j<image.cols;j++)
    		{
    			if(dstshow.at<uchar>(i,j)>thresh)  //阈值判断
    			{
    				circle(imageSource,Point(j,i),2,Scalar(0,0,255),2); //标注角点
    			}
    		}
    	}
    	imshow("Corner Detected",imageSource);
    }


    原始棋盘图像:



    经过归一化转化的Harris角点检测结果图像,大小与原图像一致,每一个点的像素值大小对应的是原图像上该点是角点的概率,值越大,越有可能是角点



    调整到某一阈值时角点检测效果:




  • 相关阅读:
    web.xml中 error-page的正确用法
    5.项目数据库设计--人事管理系统
    mod_jk是Apache服务器的一个可插入模块
    jBox使用方法
    ApacheHttpServer出现启动报错:the requested operation has failed解决办法
    ApacheHttpServer修改httpd.conf配置文件
    redis client protocol 分解
    Andorid Async-HttpClient阅览
    HDU-2857-Mirror and Light(计算几何)
    xcode armv6 armv7 armv7s arm64
  • 原文地址:https://www.cnblogs.com/mtcnn/p/9411964.html
Copyright © 2011-2022 走看看