学习opencv系列， feature2d 模块. 2D特征框架框架下面，Harris 角点检测子部分

图像特征及类型

在计算机视觉中，我们通常需要寻找两张图上的匹配关键点。为什么？因为一旦我们知道了两张图是相关联的，我 们就可以使用 *both 图像来提取它们中的信息。 匹配关键点 是指在场景中可以很容易识别出来的特性 . 这些特性就是这里所说的特征 。因此,特征应该有什么样的特性呢?应该具有可识别的 独一无二 性。

图像特征类型:

  • 边缘
  • 角点 (感兴趣关键点)
  • 斑点(Blobs) (感兴趣区域)

这里Harris 角点检测子计算的是角点特征。

图像特征为什么可以使用角点，因为角点是两个边缘的连接点，它代表了两个边缘变化的方向上的点。图像梯度有很高的变化。这种变化是可以用来帮助检测角点的。

特征检测原理

由于角点代表了图像像素梯度变化，我们将寻找这个”变化”。 考虑到一个灰度图像I.划动窗口w(x,y)(with displacements u 在x方向和 v 方向)I计算像素灰度变化。

公式

其中:

  1. w(x,y) is the window at position (x,y)
  2. I(x,y) is the intensity at (x,y)
  3. I(x+u,y+v) is the intensity at the moved window (x+u,y+v)

为了寻找带角点的窗口，我们搜索像素灰度变化较大的窗口。于是, 我们期望最大化以下式子:

公式2

使用 泰勒(Taylor)展开式:

公式3

式子可以展开为:

公式4

一个举证表达式可以写为:

公式5

表示为:

公式6

因此我们有等式:

公式7

每个窗口中计算得到一个值。这个值决定了这个窗口中是否包含了角点:

公式8

其中:

  1. det(M) = \lambda_{1}\lambda_{2}
  2. trace(M) = \lambda_{1}+\lambda_{2}

一个窗口，它的分数 R 大于一个特定值，这个窗口就可以被认为是"角点”

效果演示代码

#include "opencv2/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>

using namespace std;
using namespace cv;

Mat src, src_gray;
int thresh = 200;
int max_thresh = 255;

char* source_window = "Source image";
char* corners_window = "Corners detected";

void cornerHarris_demo( int , void* );

int main(int argc, char** argv)
{
    argv[1] = "C:/Users/SUNFC/Pictures/22.jpg";
    /// Load source image and convert it to gray
    src = imread( argv[1], 1);
    cvtColor( src, src_gray, CV_BGR2GRAY);

    /// Create a window and a trackbar
    namedWindow( source_window, CV_WINDOW_AUTOSIZE);
    createTrackbar("Threshold:", source_window, &thresh, max_thresh, cornerHarris_demo);
    imshow( source_window,src);
    cornerHarris_demo(0,0);

    waitKey(0);
    return 0;

}

void cornerHarris_demo(int, void*)
{
    Mat dst, dst_norm, dst_norm_scaled;
    dst = Mat::zeros(src.size(), CV_32FC1);

    /// Detector parameters
    int blockSize = 2;
    int apertureSize = 3;
    double k = 0.04;

    /// Detecting corners
    cornerHarris( src_gray, dst, blockSize, apertureSize, k , BORDER_DEFAULT);

    /// Normalizing
    normalize(dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat());
    convertScaleAbs(dst_norm, dst_norm_scaled);

    /// Drawing a circle around corners
    for (int j = 0; j < dst_norm.rows; j++)
    {
        for (int i = 0; i < dst_norm.cols; i++)
        {
            if ((int)dst_norm.at<float>(j, i) > thresh)
            {
                circle(dst_norm_scaled, Point(i, j), 5, Scalar(0), 2, 8, 0);
            }
        }
    }
    /// Showing the result
    namedWindow(corners_window, CV_WINDOW_AUTOSIZE);
    imshow(corners_window, dst_norm_scaled);
}

结果：

结果1

结果2

后续慢慢加入详解….

学习来源：

opencv:链接地址