OpenCV與圖像處理學習十三——Harris角點檢測（含代碼）

• 一、角點的概念
• 二、Harris角點檢測的實現過程
• 三、Harris代碼應用

一、角點的概念

角點： 在現實世界中， 角點對應于物體的拐角， 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可以有以下兩種定義：

角點可以是兩個邊緣的交點；

角點是鄰域內具有兩個主方向的特征點；

角點計算方法：

前者通過圖像邊緣計算， 計算量大， 圖像局部變化會對結果產生較大的影響；

后者基于圖像灰度的方法通過計算點的曲率及梯度來檢測角點；

角點所具有的特征：

輪廓之間的交點；

對于同一場景， 即使視角發生變化， 通常具備穩定性質的特征；

該點附近區域的像素點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：

檢測出圖像中“真實” 的角點

準確的定位性能

很高的重復檢測率

噪聲的魯棒性

較高的計算效率

下圖展示了一些角點的例子：

二、Harris角點檢測的實現過程

計算圖像在X和Y方向的梯度：

計算圖像兩個方向梯度的乘積：

使用高斯函數對三者進行高斯加權， 生成矩陣M的A,B,C：

計算每個像素的Harris響應值R， 并對小于某一閾值 t 的R置為零;

在3× 3或5× 5的鄰域內進行非最大值抑制， 局部最大值點即為圖像中的角點；

三、Harris代碼應用

函數：

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

參數如下所示：

src：數據類型為 float32 的輸入圖像；

blockSize：角點檢測中要考慮的領域大小；

ksize：Sobel 求導中使用的窗口大小；

k：Harris 角點檢測方程中的自由參數,取值參數為 [0,04,0.06]。

看個例子：

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()

結果如下所示：

在判斷出的角點處標記為藍色，上圖為不同參數設置下的結果，效果也是不一樣的。

總結

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）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。