OpenCV與圖像處理學(xué)習(xí)十三——Harris角點(diǎn)檢測(cè)（含代碼）

• 一、角點(diǎn)的概念
• 二、Harris角點(diǎn)檢測(cè)的實(shí)現(xiàn)過程
• 三、Harris代碼應(yīng)用

一、角點(diǎn)的概念

角點(diǎn)： 在現(xiàn)實(shí)世界中， 角點(diǎn)對(duì)應(yīng)于物體的拐角， 道路的十字路口、 丁字路口等。

從圖像分析的角度來定義角點(diǎn)可以有以下兩種定義：

角點(diǎn)可以是兩個(gè)邊緣的交點(diǎn)；

角點(diǎn)是鄰域內(nèi)具有兩個(gè)主方向的特征點(diǎn)；

角點(diǎn)計(jì)算方法：

前者通過圖像邊緣計(jì)算， 計(jì)算量大， 圖像局部變化會(huì)對(duì)結(jié)果產(chǎn)生較大的影響；

后者基于圖像灰度的方法通過計(jì)算點(diǎn)的曲率及梯度來檢測(cè)角點(diǎn)；

角點(diǎn)所具有的特征：

輪廓之間的交點(diǎn)；

對(duì)于同一場(chǎng)景， 即使視角發(fā)生變化， 通常具備穩(wěn)定性質(zhì)的特征；

該點(diǎn)附近區(qū)域的像素點(diǎn)無論在梯度方向上還是其梯度幅值上有著較大變化；

性能較好的角點(diǎn)：

檢測(cè)出圖像中“真實(shí)” 的角點(diǎn)

準(zhǔn)確的定位性能

很高的重復(fù)檢測(cè)率

噪聲的魯棒性

較高的計(jì)算效率

下圖展示了一些角點(diǎn)的例子：

二、Harris角點(diǎn)檢測(cè)的實(shí)現(xiàn)過程

計(jì)算圖像在X和Y方向的梯度：

計(jì)算圖像兩個(gè)方向梯度的乘積：

使用高斯函數(shù)對(duì)三者進(jìn)行高斯加權(quán)， 生成矩陣M的A,B,C：

計(jì)算每個(gè)像素的Harris響應(yīng)值R， 并對(duì)小于某一閾值 t 的R置為零;

在3× 3或5× 5的鄰域內(nèi)進(jìn)行非最大值抑制， 局部最大值點(diǎn)即為圖像中的角點(diǎn)；

三、Harris代碼應(yīng)用

函數(shù)：

dst = cv2.cornerHarris( src, blockSize, ksize, k[, dst[, borderType]] )

參數(shù)如下所示：

src：數(shù)據(jù)類型為 float32 的輸入圖像；

blockSize：角點(diǎn)檢測(cè)中要考慮的領(lǐng)域大小；

ksize：Sobel 求導(dǎo)中使用的窗口大小；

k：Harris 角點(diǎn)檢測(cè)方程中的自由參數(shù),取值參數(shù)為 [0,04,0.06]。

看個(gè)例子：

import cv2 import numpy as np from matplotlib import pyplot as pltimg = cv2.imread('image/harris2.png') print(img.shape) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) gray = np.float32(gray) dst_block9_ksize19 = cv2.cornerHarris(gray, 9, 19, 0.04) img1 = np.copy(img) img1[dst_block9_ksize19 > 0.01 * dst_block9_ksize19.max()] = [0, 0, 255]dst_block5_ksize19 = cv2.cornerHarris(gray, 5, 19, 0.04) img2 = np.copy(img) img2[dst_block5_ksize19 > 0.01 * dst_block5_ksize19.max()] = [0, 0, 255]dst_block9_ksize5 = cv2.cornerHarris(gray, 9, 5, 0.04) img3 = np.copy(img) img3[dst_block9_ksize5 > 0.01 * dst_block9_ksize5.max()] = [0, 0, 255]dst_block9_ksize31 = cv2.cornerHarris(gray, 9, 31, 0.04) img4 = np.copy(img) img4[dst_block9_ksize31 > 0.01 * dst_block9_ksize31.max()] = [0, 0, 255]dst_block9_ksize19_k6 = cv2.cornerHarris(gray, 9, 19, 0.06) img5 = np.copy(img) img5[dst_block9_ksize19_k6 > 0.01 * dst_block9_ksize19_k6.max()] = [0, 0, 255]dst_block9_ksize19_k6_1e_5 = cv2.cornerHarris(gray, 9, 19, 0.06) img6 = np.copy(img) img6[dst_block9_ksize19_k6_1e_5 > 0.00001 * dst_block9_ksize19_k6_1e_5.max()] = [0, 0, 255]titles = ["Original", "block9_ksize19", "dst_block5_ksize19", "dst_block9_ksize5", "dst_block9_ksize31","dst_block9_ksize19_k6", "dst_block9_ksize19_k6_1e_5"] imgs = [img, img1, img2, img3, img4, img5, img6]for i in range(len(titles)):plt.subplot(3, 3, i + 1), plt.imshow(imgs[i]), plt.title(titles[i])plt.xticks([]), plt.yticks([]) plt.show() # cv2.imshow('src',img) # cv2.imshow('dst',img5) # cv2.waitKey(0) # cv2.destroyAllWindows()

結(jié)果如下所示：

在判斷出的角點(diǎn)處標(biāo)記為藍(lán)色，上圖為不同參數(shù)設(shè)置下的結(jié)果，效果也是不一樣的。

總結(jié)

以上是生活随笔為你收集整理的OpenCV与图像处理学习十三——Harris角点检测（含代码）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。