角点检测

角点的特征检测与匹配是Computer Vision 应用总重要的一部分，这需要寻找图像之间的特征建立对应关系。点，也就是图像中的特殊位置，是很常用的一类特征，点的局部特征也可以叫做“关键特征点”(keypoint feature)，或“兴趣点”(interest point)，或“角点”(conrner)。

关于角点的具体描述可以有几种：

一阶导数(即灰度的梯度)的局部最大所对应的像素点；
两条及两条以上边缘的交点；
图像中梯度值和梯度方向的变化速率都很高的点；
角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。

Harris算子和ShiTomasi算子

Harris角点检测推导：https://blog.csdn.net/lql0716/article/details/52628959

角点检测的Harris算子和ShiTomasi算子非常好的解释：https://blog.csdn.net/xiaowei_cqu/article/details/7805206

Harris算子

OpenCV中定义了 cornerHarris 函数：

void cornerHarris( InputArray src, OutputArray dst, int blockSize,int ksize, double k,int borderType=BORDER_DEFAULT );

可以结合 convertScaleAbs 函数，通过阈值取角点。

Shi-Tomasi算子

由于Shi-Tomasi算子与1994年在文章 Good Features to Track [1]中提出，OpenCV 实现的算法的函数名定义为 goodFeaturesToTrack：

void goodFeaturesToTrack( InputArray image, OutputArray corners,int maxCorners, double qualityLevel, double minDistance,InputArray mask=noArray(), int blockSize=3,bool useHarrisDetector=false, double k=0.04 );

代码例子

编译环境: Qt 5.5.1+opencv3.2.0+cmake3.5.1


#include <opencv2/core/core.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
#include <stdio.h>
#include <stdlib.h>using namespace cv;
using namespace std;Mat image, image_gray;int thresh = 200;
int max_thresh = 255;char* source_window = "Source image";
char* corners_window = "Harris Courners detected";int maxCorners = 23;
int maxTrackbar = 100;RNG rng(12345);Mat myHarris_dst;
Mat myHarris_copy;
Mat Mc;
Mat myShiTomasi_dst;
Mat myShiTomasi_copy;int myShiTomasi_qualityLevel = 50;
int myHarris_qualityLevel = 50;
int max_qualityLevel = 100;double myHarris_minVal;
double myHarris_maxVal;
double myShiTomasi_minVal;
double myShiTomasi_maxVal;const char* myHarris_window = "my harris corner detector";
const char* myShiTomasi_window = "my Shi Tomasi corner detector";// Function header
void cornerHarris_demo(int, void*);
void goodFeaturesToTrack_demo(int, void*);
void myShiTomasi_function(int, void*);
void myHarris_function(int, void*);int main(int argc, char** argv)
{image = imread(argv[1],1);if(image.empty())return 0;cvtColor(image, image_gray, COLOR_BGR2GRAY);int blockSize = 3;int apertureSize = 3;// my harris matrix -- usin cornerEigenValsAndVecsmyHarris_dst = Mat::zeros(image_gray.size(), CV_32FC(6));Mc = Mat::zeros(image_gray.size(), CV_32FC1);cornerEigenValsAndVecs(image_gray, myHarris_dst, blockSize, apertureSize, BORDER_DEFAULT);/* calculate Mc */for( int j=0; j<image_gray.rows; j++){for(int i=0; i<image_gray.cols; i++){float lambda_1 = myHarris_dst.at<Vec6f>(j,i)[0];float lambda_2 = myHarris_dst.at<Vec6f>(j,i)[1];Mc.at<float>(j,i) = lambda_1*lambda_2-0.04f*pow((lambda_1+lambda_2),2);}}minMaxLoc(Mc, &myHarris_minVal, &myHarris_maxVal, 0, 0, Mat());// create window and trackbarnamedWindow( myHarris_window, WINDOW_AUTOSIZE);createTrackbar("Quality Level:", myHarris_window, &myHarris_qualityLevel, max_qualityLevel, myShiTomasi_function);myHarris_function(0,0);/// My Shi-Tomasi -- Using cornerMinEigenValmyShiTomasi_dst = Mat::zeros( image_gray.size(), CV_32FC1 );cornerMinEigenVal( image_gray, myShiTomasi_dst, blockSize, apertureSize, BORDER_DEFAULT );minMaxLoc( myShiTomasi_dst, &myShiTomasi_minVal, &myShiTomasi_maxVal, 0, 0, Mat() );/* Create Window and Trackbar */namedWindow( myShiTomasi_window, WINDOW_AUTOSIZE );createTrackbar( " Quality Level:", myShiTomasi_window, &myShiTomasi_qualityLevel, max_qualityLevel, myShiTomasi_function );myShiTomasi_function( 0, 0 ) ;// create windownamedWindow(source_window, WINDOW_AUTOSIZE);createTrackbar("Threshold:", source_window, &thresh, max_thresh, cornerHarris_demo);createTrackbar("Max corners:", source_window, &maxCorners, maxTrackbar, goodFeaturesToTrack_demo);imshow(source_window, image);cornerHarris_demo(0,0);goodFeaturesToTrack_demo(0,0);waitKey(10000);return (0);
}void cornerHarris_demo(int, void*)
{Mat dst, dst_norm, dst_norm_scaled;dst = Mat::zeros(image.size(), CV_32FC1);int blockSize = 2;int apertureSize = 3;double k = 0.04;//detecting cornerscornerHarris(image_gray, dst, blockSize, apertureSize, k, BORDER_DEFAULT);//normalizingnormalize(dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat());convertScaleAbs(dst_norm, dst_norm_scaled);//draw a circlefor(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);}}}namedWindow(corners_window, WINDOW_AUTOSIZE);imshow(corners_window, dst_norm_scaled);}void goodFeaturesToTrack_demo(int, void*)
{if (maxCorners < 1){maxCorners = 1;}/// parameters for shi-tomasi algorithmvector<Point2f> corners;double qualityLevel = 0.01;double minDistance = 10;int blockSize = 3;bool useHarrisDetector = false;double k = 0.04;Mat copy;copy = image.clone();// apply corner detectiongoodFeaturesToTrack(image_gray,corners,maxCorners,qualityLevel,minDistance,Mat(),blockSize,useHarrisDetector,k);// draw corners detectedcout<<"** Number of corners detected:"<<corners.size()<<endl;int r=4;for(int i = 0; i<corners.size(); i++){circle(copy, corners[i], r, Scalar(rng.uniform(0,255), rng.uniform(0,255), rng.uniform(0,255)), -1, 8, 0);}// shownamedWindow(source_window, WINDOW_AUTOSIZE);imshow(source_window, copy);}void myShiTomasi_function(int, void *)
{myShiTomasi_copy = image.clone();for( int j=0; j<image_gray.rows; j++ ){for( int i = 0; i<image_gray.cols; i++ ){if( myShiTomasi_dst.at<float>(j,i) > myShiTomasi_minVal+(myShiTomasi_maxVal-myShiTomasi_minVal)*myShiTomasi_qualityLevel/max_qualityLevel){circle(myShiTomasi_copy, Point(i,j), 4, Scalar(rng.uniform(0,255), rng.uniform(0,255), rng.uniform(0,255)), -1, 8, 0);}}}imshow(myShiTomasi_window, myShiTomasi_copy);}void myHarris_function(int, void *)
{myHarris_copy = image.clone();if( myHarris_qualityLevel < 1){myHarris_qualityLevel = 1;}for( int j=0; j<image_gray.rows; j++){for(int i=0; i<image_gray.cols; i++){if(Mc.at<float>(j,i) > myHarris_minVal+(myHarris_maxVal-myHarris_minVal)*myHarris_qualityLevel/max_qualityLevel){circle( myHarris_copy, Point(i,j), 4, Scalar(rng.uniform(0,255), rng.uniform(0,255), rng.uniform(0,255)), -1, 8, 0);}}}imshow( myHarris_window, myHarris_copy);
}

参考及更多阅读

openCV高斯模糊、边缘检测、灰度化、二值化、闭运算、绘制边缘
https://cloud.tencent.com/developer/article/1106887

角点检测的数学原理： https://www.cnblogs.com/riddick/p/7645904.html

OpenCV角点检测: Harris算子, ShiTomasi算子相关推荐

OpenCV角点检测源代码分析（Harris和ShiTomasi角点）
OpenCV中常用的角点检测为Harris角点和ShiTomasi角点. 以OpenCV源代码文件 .\opencv\sources\samples\cpp\tutorial_code\Trackin ...
OpenCV —— 角点检测之 Harris 角点检测、Shi-Tomasi 角点检测、FAST 角点检测
角点检测 Harris 角点检测实现原理 OpenCV 函数优化 Shi-Tomasi 角点检测实现原理 OpenCV 函数 FAST 角点检测实现原理 OpenCV 函数优化在图像处理和 ...
OpenCV角点检测之Harris角点检测
本篇文章中,我们一起探讨了OpenCV中Harris角点检测相关的知识点,学习了OpenCV中实现Harris角点检测的cornerHarris函数的使用方法.此博文一共有两个配套的麻雀虽小但五脏俱全 ...
Python+OpenCV：图像Harris角点检测(Harris Corner Detection)
Python+OpenCV:图像Harris角点检测(Harris Corner Detection) 理论 corners are regions in the image with large v ...
opencv角点检测学习总结
学习opencv 角点检测如果一个点在两个正交方向上都有明显的导数,则我们认为此点更倾向于是独一无二的,所以许多可跟踪的特征点都是角点. 一下为角点检测中用到的一些函数 cvGoodFeatures ...
计算机视觉（角点检测）- 2 - Shi-Tomasi 角点检测
计算机视觉(角点检测)- 2 - Shi-Tomasi 角点检测学习前言一.Shi-Tomasi 角点检测二.OpenCV中API介绍 ```corners = cv2.goodFeatu ...
OpenCV角点检测
角点检测 Harris 角点检测算法 1. 角点 2. 流程 3. 实现 Harris 角点检测算法 1. 角点角点是水平方向.垂直方向变化都很大的像素. 2. 流程 (1)找出角点用高斯算子求出 ...
OpenCV——角点检测原理分析（Harris，Shi-Tomasi、亚像素级角点检测）
一.角点(corner) 角点通常被定义为两条边的交点,或者说,角点的局部邻域应该具有两个不同区域的不同方向的边界.角点检测(Corner Detection)是计算机视觉系统中获取图像特征的一种方法 ...
opencv——角点检测
一:角点检测什么是角点,难道是角落里面的点?我们知道,比如说墙角,他有往左延申的边缘,又有往右延申的边缘,那么这样的概念同样可以帮助我们理解图像的角点检测. 其实我们人眼对于角点的识别是通过一个小窗 ...

OpenCV角点检测: Harris算子, ShiTomasi算子

角点检测

Harris算子和ShiTomasi算子

代码例子

参考及更多阅读

OpenCV角点检测: Harris算子, ShiTomasi算子相关推荐

最新文章

热门文章