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: