资源下载地址：https://download.csdn.net/download/sheziqiong/85627241
实验内容和要求
读入摄像头，可以实时回放视频。键盘交互，空格键暂停，并对当前帧图像做一次 Harris Corner 检测，并将检测的结果叠加在原图上。
- Harris Corner 算法自己实现。
- 显示中间结果与最终结果，并保存：最大特征值图，最小特征值图，R 图，彩色 R 图，原图上叠加结果等。
实验器材
C++ OpenCV 4.5.0
开发平台：Visual Studio 2019 Debug x64
具体实现
3.1 摄像头读取
摄像头读取利用 OpenCV 的 VideoCapture 类，初始化一个默认对象 capture(0) 即可调用系统摄像头。设置 delay 为 30ms，用 waitkey()函数来判断键盘交互。
3.2 Harris Corner 检测算法实现
Harris Corner 算法在一个窗内计算期望 E(x,y)。对于期望大于某个阈值的点，可以被视作角点。公式如下：
其中选择 w(x,y)窗函数为高斯函数。对于很小的 u、v 移动，可以近似将这个期望写作线性方程：
梯度计算（Ix、Iy）
梯度计算利用 Sobel 算子实现，上次实验中自己写边缘检测的时候已经用过了一次，稍加改写即可。
需要注意掩膜与原图像之间的关系，先对原图像进行一次行和列的扩展，尽量减少在 Sobel 滤波过程中的损失。扩展过程中保存原图像在中间部分，赋值上下左右最边缘的像素到外围。
对扩展图像分别用 SobelX 和 SobleY 算子卷积，得到 Ix 和 Iy，即原图在 x 和 y 方向上的梯度。
定义像素点矩阵 M
M的定义如下：
根据公式计算即可。
计算每个像素的角点响应，即 R 值响应值
R 的公式如下：
构建两个特征值图 Max_lambda 和 Min_lambda，用相应的λ来绘制。
非极大值抑制与可视化
构建 R 图后，在一个限定的窗口内，只取最大且大于阈值的点。设置 windowSize 为 30，对大于阈值且大于记录的域内最大值的点进行记录，否则就重置为 0。由于 windowSize 的大小，需要特别做边缘处理，否则会在最右一列和最下一行以及右下角出现大量的检测点。
最后遍历 R 图，根据 R 图的检测结果来显示角点。
实验结果与分析
使用课件中的样图进行测试，经调试与修改结果基本符合预期。
实时调用摄像头，可以对人脸与环境的特征点进行检测。
效果基本符合预期。中间输出的最大最小特征值图与 R 图储存在 result 文件夹里。可以看出最大特征值图基本勾勒出图像的边缘，最小特征值图已经能够对 corner 点有基本的描绘。
心得与体会
这次实验总体比较顺利，顺便对于 Release 格式下的发布做了一些实验。对于 R 图的绘制和彩色 R 图的绘制还有一些问题，现在的彩色 R 图比较难看，不是很了解课件中的彩色图是如何调整通道值画出来的。
下来也会考虑 Harris-Laplace，可以更加灵活地设置 kernel 的大小并对各种形态和大小的图片做检测。
资源下载地址：https://download.csdn.net/download/sheziqiong/85627241