【數字圖像處理】自實現Harris角點檢測

版權聲明：本文爲博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/wl1070325332/article/details/78527712

關於Harris角點檢測的原理網上已經很多了，在此不再贅述，本文主要是基於原理自己實現了一下Harris的算法，權當留個筆記，如果能對看到此文的朋友有所幫助，甚感欣慰。

廢話不再多說，直接上代碼。

自定義的Harris方法：

void Harris(Mat src, Mat& dst, int blockSize, int sobelKSize = 3)
{
	Mat Dx = Mat(src.size(), src.type());//創建矩陣用以保存圖像在x方向上的一階差分
	Mat Dy = Mat(src.size(), src.type());//創建矩陣用以保存圖像在y方向上的一階差分

	if(sobelKSize > 0)
	{
		Sobel(src, Dx, CV_32F, 1, 0, sobelKSize, 1, 0, 0);//計算圖像在x方向上的一階差分dx
		Sobel(src, Dy, CV_32F, 0, 1, sobelKSize, 1, 0, 0);//計算圖像在y方向上的一階差分dy
	}
	else
	{
		//當輸入參數sobelKSize <= 0時，採用默認3*3的sobel內核對圖像進行卷積
		//openCV源碼中使用的函數爲	Scharr(src, dst, CV_32F, 1, 0); Scharr(src, dst, CV_32F, 0, 1);
		//至於爲啥用scharr，官方解釋爲，當sobel算子的內核大小爲3*3時，其計算可能產生一定的誤差，所以openCV提供了一個更爲準確的3*3內核的一階差分算子scharr
		Sobel(src, Dx, CV_32F, 1, 0);
		Sobel(src, Dy, CV_32F, 0, 1);
	}

	//創建3通道矩陣cov，用以保存每個像素對應的dx*dx，dx*dy，dy*dy
	Mat cov = Mat(src.size(), CV_32FC3);

	for(int i = 0;i < src.rows;i++)
	{
		float* data = cov.ptr<float>(i);
		float* dxData = Dx.ptr<float>(i);
		float* dyData = Dy.ptr<float>(i);
		for(int j = 0;j < src.cols;j++)
		{
			float dx = dxData[j];
			float dy = dyData[j];
			data[3 * j] = dx * dx;
			data[3 * j + 1] = dx * dy;
			data[3 * j + 2] = dy * dy;
		}
	}
	//對計算得到的協方差矩陣元素進行高斯加權。openCV源碼中使用的函數爲boxFilter
	if(blockSize > 0)
		GaussianBlur(cov, cov, Size(blockSize,blockSize), 2.0, 0);
	else
		GaussianBlur(cov, cov, Size(3,3), 2.0, 0);
// 	boxFilter(cov,+ cov, cov.depth(), Size(3, 3),
// 		Point(-1,-1), true, 0 );

	//通過公式計算R，R = det(M) - k * trace(M)^2，R值越大越有可能是角點
	//k取經驗值，一般取0.04-0.06
	for(int i = 0;i < dst.rows;i++)
	{
		float* data = dst.ptr<float>(i);
		float* covData = cov.ptr<float>(i);
		for(int j = 0;j < dst.cols;j++)
		{
			float a = covData[j * 3];
			float b = covData[j * 3 + 1];
			float c = covData[j * 3 + 2];

			data[j] = (float)(a * c - b * b - 0.05 * (a + c) * (a + c));
		}
	}
}

int _tmain(int argc, _TCHAR* argv[])
{
	Mat src = imread("E:\\學習之路\\數字圖像處理練習程序\\004.png", 0);
	Mat dst = Mat(src.size(), CV_32F);

	Harris(src, dst, 3, 3);

	normalize(dst, dst, 1.0, 0, NORM_MINMAX);

	imwrite("E:\\學習之路\\數字圖像處理練習程序\\xiaoguo.jpg", dst);

	imshow("111", dst);
	waitKey();

	return 0;
}

最終的角點檢測效果圖爲（歸一化之後）:

原圖像爲：