图像特征提取与检测——Harris角点检测

OpenCV中的Harris角点检测：
C++:voidcornerHarris(InputArraysrc,OutputArraydst,intblockSize,intksize,doublek,intborderType=BORDER_DEFAULT)

参数的意义如下：
第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位或者浮点型图像。
第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放Harris角点检测的输出结果，和源图片有一样的尺寸和类型。
第三个参数，int类型的blockSize，表示邻域的大小，更多的详细信息在cornerEigenValsAndVecs（）中有讲到。
第四个参数，int类型的ksize，表示Sobel()算子的孔径大小。
第五个参数，double类型的k，Harris参数。
第六个参数，int类型的borderType，图像像素的边界模式，注意它有默认值BORDER_DEFAULT。更详细的解释，参考borderInterpolate( )函数。

C++代码如下：

#include<opencv2/opencv.hpp>
#include<iostream>


using namespace cv;
using namespace std;


Mat image;
Mat imageGray;
int thresh = 200;
int MaxThresh = 255;

void Trackbar(int, void*);  //阈值控制

int main()
{
    image = imread("E:\\testimage\\harris.jpg");
    cvtColor(image, imageGray, CV_RGB2GRAY);
    GaussianBlur(imageGray, imageGray, Size(5, 5), 1); // 滤波去噪
    namedWindow("Corner Detected");
    createTrackbar("threshold：", "Corner Detected", &thresh, MaxThresh, Trackbar);
    imshow("Corner Detected", image);
    //Trackbar(0, 0);
    waitKey();
    return 0;
}

void Trackbar(int, void*)
{
    Mat dst, dst8u, dstshow, imageSource;
    dst = Mat::zeros(image.size(), CV_32FC1);
    imageSource = image.clone();
    cornerHarris(imageGray, dst, 3, 3, 0.04, BORDER_DEFAULT);


    normalize(dst, dst8u, 0, 255, CV_MINMAX);  //归一化
    convertScaleAbs(dst8u, dstshow);//将归一化得图线性变成8位无符号整形
    imshow("dst", dstshow);  //dst显示


    for (int i = 0;i<image.rows;i++)
    {
        for (int j = 0;j<image.cols;j++)
        {
            if (dstshow.at<uchar>(i, j)>thresh+30)  //阈值判断
            {
                circle(imageSource, Point(j, i), 2, Scalar(0, 0, 255), 2); //标注角点
            }
        }
    }
    imshow("Corner Detected", imageSource);
}

python代码如下：

import cv2
import numpy as np



img = cv2.imread("E:\\testimage\\harris.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)

# 输入图像必须是 float32 ,最后一个参数在 0.04 到 0.05 之间
dst = cv2.cornerHarris(gray,2,3,0.04)

#result is dilated for marking the corners, not important
dst = cv2.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image.
img[dst>0.01*dst.max()]=[0,0,255]#这里是设定一个阈值　当大于这个阈值分数的都可以判定为角点

cv2.imshow('dst',img)
if cv2.waitKey(0) & 0xff == 27:
     cv2.destroyAllWindows()