学习前言

  今天更新一下计算机视觉的东西吧，哈哈哈o(￣︶￣)o
  关于角点检测呢，就是检测图像中角点的算法，常见的有四种常见的算法：Moravec角点检测算法、 Harris角点检测算法、Shi-Tomasi 算法、FAST角点检测算法.，不过常用的就两种吧——Harris角点检测算法、FAST角点检测算法（反正我基本上就只用到这两种，先着重介绍前面两种，后面再花时间介绍吧）(～￣▽￣)～

一、Harris角点检测

  1、什么是角点？

  怎么判断角点？我们先看一幅图：
  简单粗暴的讲，红色框框住的部分就是角点 ，黑色框框住的部分是边界，蓝色框框住的…就是普通的部分。
  再生动形象点估计就是用下面这张图片来表示了。

• A和B处于平坦区域，没有什么确切的特征，它们所在的位置有很多种可能；
• C和D要相对简单一些，它们是建筑物的边缘，我们可以找到一个大致的位置，但是要定位到精确的位置仍然很难。所以边缘是更好的特征，但还不够好。
• E和F是建筑的一些角落，可以很容易地发现它们的位置，因为对于建筑物角落这个图像片段，我们不管朝哪个方向移动，这个片段看起来都会不一样。

  2、Harris角点检测的基本原理&基本思想

  角点检测算法的基本思想：使用一个固定的窗口在图像上进行任意方向上的滑动，比较滑动前与滑动后两种情况，窗口中的像素灰度变化程度，如果存在任意方向上的滑动，都有着较大的灰度变化，那么我们可以认为该窗口中存在角点。

  用下面这两条线过一个夹角，表示平面、边界、角点三种位置：

  3、Harris角点检测的数学表达

  下面我们来分析一下数学上的定义，我们先设I(x,y)I(x,y)I(x,y)代表图像中(x,y)(x,y)(x,y)点的像素灰度值，w(x,y)w(x,y)w(x,y)代表以(x,y)(x,y)(x,y)为中心的Harris角点检测的滑动窗口，即加权函数。
  那么 当窗口发生(△x,△y)(△x,△y)(△x,△y)移动时，那么滑动前与滑动后对应的窗口中的像素点灰度变化数学方法描述如下：

  对于w(x,y)w(x,y)w(x,y)窗口函数，最简单情形就是窗口内的所有像素所对应的www权重系数均为1。但有时候，我们会将w(x,y)w(x,y)w(x,y)函数设定为以窗口中心为原点的二元正态分布,如高斯分布。

  如果窗口中心点是角点时，移动前与移动后，该点的灰度变化应该最为剧烈，表示窗口移动时，该点在灰度变化贡献较大；而离窗口中心(角点)较远的点，这些点的灰度变化几近平缓，以示该点对灰度变化贡献较小，那么我们自然想到使用二元高斯函数来表示窗口函数。

  4、获取点数据后，计算Ix，IyI_x，I_yIx​，Iy​

  数学表达我们搞定了，接下来是怎么解这个表达式了。其中最主要的是I(u,v)−I(u+△x,v+△y)I(u,v)-I(u+△x,v+△y)I(u,v)−I(u+△x,v+△y)这一部分。高等数学里面我们都学过泰勒公式吧。

  

这里不会的可能需要去补习一下高等数学哦~

  然后将近似结果带入，然后再恒等变换处理一下：

  5、比较特征值

  再分析最后的出来的这个公式，我们再把它简化一下：

  这玩意是不是就是一个简单的椭圆公式了ー(￣～￣)ξ，我们先假设c=1c=1c=1，方便画图。

  接下来，我们就只要分析这个椭圆了。如果在图像在窗口滑动过程中灰度变化较大，那是不是c(x,y;△x,△y)c(x,y;△x,△y)c(x,y;△x,△y)的值就越大，那么这个椭圆也会变大？椭圆变大那么对应的λ1和λ2λ_1和λ_2λ1​和λ2​也会变大，然后就是比较λ1,λ2λ_1,λ_2λ1​,λ2​的变化程度。如果只有其中一个变化程度较大说明是边界。

  如何解出这两个特征值，并有效地进行量化评价呢？此时就引入角点响应值R 。
  Harris角点检测算法就是对角点响应函数R进行阈值处理：R>thresholdR>thresholdR>threshold，即捏取R的局部极大值。
  这样选出的角点可能会在某一区域特别多，并且角点窗口w(x,y)相互重合，为了能够更好地通过角点检测追踪目标，需要进行非极大值抑制（NMS）操作。

  注意：Harris 检测器具有旋转不变性，但不具有尺度不变性，也就是说尺度变化可能会导致角点变为边缘，如下图所示：

  想要尺度不变特性的话，可以关注SIFT特征

二、OpenCV来实现Harris角点检测

  1、Harris角点检测API

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

    API功能：该功能在图像上运行Harris角检测器。

    参数：
      src： 输入单通道8位或浮点图像。
      blockSize：它是考虑进行角点检测的邻域的大小
      ksize：滑动核的大小。
      k：角点响应值R计算公式中的α。
    返回：
      dst： 用于存储哈里斯探测器响应的图像。它的类型为CV_32FC1，大小与src相同。

  2） dst = cv.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

    API功能：通过使用特定的结构元素来放大图像。该函数使用指定的结构化元素来扩展源图像，该结构化元素确定在其上获取最大值的像素邻域的形状：

    该功能支持就地模式。可以进行几次（迭代）扩张。在多通道图像的情况下，每个通道都是独立处理的。

    参数：
      src： 输入图像；通道数可以是任意的，但深度应为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
      kernel：用于扩张的结构元素；如果elemenat = Mat（），则使用3 x 3的矩形结构元素。
      anchor： 锚在元素内的位置；默认值（-1，-1）表示锚点位于元素中心。
      iterations：进行扩张的次数。
    返回：
      dst： 输出与src大小和类型相同的图像。

  2、代码举例

import numpy as np
import cv2 as cv
filename = 'test_image/test_chessboard.jpg'
img = cv.imread(filename)
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv.cornerHarris(gray,2,3,0.04)
#result is dilated for marking the corners, not important
dst = cv.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image.
img[dst>0.01*dst.max()]=[0,0,255]
cv.imshow('dst',img)
if cv.waitKey(0) & 0xff == 27:cv.destroyAllWindows()

计算机视觉（角点检测）- 1 - Harris角点检测相关推荐

1. 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 ...

2. 角点检测--基于梯度的方法（Moravec角点检测、Harris角点检测、Shi-Tomasi角点检测）

   Moravec Detector Moravec角点检测是第一个提出兴趣点(interest points)的Paper.它的主要思想是:以每个像素为中心,有一个固定的滑动窗口.该方法计算并在八个方向 ...

3. 【理解】经典角点检测算法--Harris角点

   目录 什么是角点 角点检测算法的原始思想: Harris角点检测原理 Harris角点算法的基本步骤 实践: Harris角点检测可能会用到的OpenCV API: 手写API: 1.展示图片: 2. ...

4. 计算机视觉——harris角点检测之harris角点响应函数R

   文章目录 一.harris角点检测原理 1.1基本思想 1.2 数学模型 3.关于harris角点响应函数R 二.harris角点检测源代码 2.1 计算harris角点响应函数R 2.2harris ...

5. 测角误差估计算法matlab,Harris角点检测 及 Matlab实验

   目录 1 基础知识 1.1 图像变化的类型 1.2 提取点特征的作用 1.3 什么是好的角点检测算法? 2 Harris 角点检测 2.1 Harris角点检测基本思想 2.2 Harris角点检测: ...

6. 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 ...

7. 角点检测：Harris角点及Shi-Tomasi角点检测

   角点 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 ...

8. 角点检测（Harris角点检测法）

   博主联系方式: QQ:1540984562 QQ交流群:892023501 群里会有往届的smarters和电赛选手,群里也会不时分享一些有用的资料,有问题可以在群里多问问. 目录 原理讲解 [1]为 ...

9. 计算机视觉（二）HARRIS角点检测算法与SIFT

   文章目录 前言 一.HARRIS角点检测算法 1.什么是角点(corner points) 2.角点检测算法的基本思想 3.什么是好的角点检测算法 4.角点特征的数学刻画 5.度量角点响应 6.HAR ...

10. 计算机视觉 — Harris角点检测

    文章目录 一.角点 二.Harris角点检测基本思想 三.Harris算法数学表达 四.实验结果分析 五.代码 六.总结 一.角点 角点(corner points):局部窗口沿各方向移动,均发生明显 ...

最新文章

1. 操蛋的linux改mysql密码（1054和1819错误）
2. Boost：bind绑定的转发测试
3. java调用gbase存储过程,GBase 8T数据库存储过程使用出参示例
4. 数据库断线重连_干货分享—Niushop数据库配置
5. ps -ef 两个pid_ps -ef 与 aux
6. php 无刷新上传,php 无刷新上传文件的代码
7. oracle 存储过程详细介绍(创建,删除存储过程,参数传递等)1
8. java.lang.NoClassDefFoundError: com.mobclick.android.MobclickAgent
9. 破解含语序问题的点击验证码
10. hbase 和Hadoop的国内下载镜像
11. C# Gmap 根据提供的经度和纬度、以及半径，取得此半径内的最大最小经纬度
12. luckysheet实现打印功能
13. Python 微信机器人
14. 【有料c++题目周刊 | 第四期】贝克街神探
15. android仿网易云音乐引导页、仿书旗小说Flutter版、ViewPager切换、爆炸菜单、风扇叶片效果等源码...
16. 桌面窗口管理器占用内存过高解决办法
17. Datadog数据包分析
18. Python 3 条件判断和循环语句，list、tuple、dict、set容器，部分函数
19. [Oracle]如果表存在则删除重新创建
20. Everyme：类似QQ圈子的社交应用

热门文章

1. 武汉流星汇聚：亚马逊无人机配送来临，无人机送货将成为趋势
2. PuTTY介绍、安装及使用详细过程
3. mcp3208 和 树莓派3b板子的配置以及对应代码
4. AutoRunner自动化测试工具如何创建项目-Alltesting|泽众云测试
5. 为什么ListView的setSelection无效了？
6. sql语法巧用之not取反
7. 减肥是最值得学习的割韭菜手法
8. 大学计算机英语句子,关于大学英语句子大全
9. 我们的福报和命运中隐藏的秘密
10. 批量删除记录的两种方法