特征检测（一）：OpenCV中的Harris角点检测技术

本文总结了OpenCV中Harris角点检测技术，其他关于Harris角点检测原理性知识点，将在后续学习过程中进行补充！

目标：

• 我们将了解Harris Corner Detection背后的概念。
• 我们将看到函数：cv2.cornerHarris（），cv2.cornerSubPix（）

理论：

    在上一章中，我们看到角落是图像中各个方向强度变化很大的区域。早在一九八八年，Chris Harris＆Mike Stephens就在其论文A Combined Corner and Edge Detector中发现了这些角落的一个早期尝试，现在它被称为Harris Corner Detector。他把这个简单的想法变成了一种数学形式。它基本上找到了所有方向上位移的强度差异。这表示如下：

窗口函数是一个矩形窗口或高斯窗口，它给下面的像素加权。

我们必须最大化这个角落检测功能。这意味着，我们必须最大限度地利用第二个任期。将泰勒展开应用于上述方程式并使用一些数学步骤（请参阅您喜欢的任何标准教科书以获得完整推导），我们得到最终方程式为：

哪里

这里，和在x图像衍生物和y方向分别。（可以很容易地找到使用cv2.Sobel（））。

然后是主要部分。之后，他们创建了一个分数，基本上是一个方程，它将确定一个窗口是否可以包含角落。

哪里

• 
• 
• 并且是M的特征值

所以这些特征值的值决定了一个区域是角落，边缘还是平面。

• 当小，这发生在与小，该区域是平坦的。
• 何时发生，反之亦然，该地区是边缘。
• 当大，当其发生和大和，该地区是一个角落。

它可以表示在一个不错的图片如下：

所以哈里斯角落检测的结果是一个灰度图像与这些分数。为合适的阈值给出图像中的角落。我们会用一个简单的图像来做到这一点。

Harris角点探测器在OpenCV中

为此， OpenCV具有函数cv2.cornerHarris（）。它的论据是：

• img - 输入图像，应该是灰度和float32类型。
• 块大小 - 这是考虑角落检测的邻域大小
• ksize - 使用Sobel衍生物的孔径参数。
• 方程中的k - 哈里斯检测器自由参数。

import cv2
import numpy as np

filename = 'chessboard.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

gray = np.float32(gray)
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]

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

具有SubPixel准确性的角落

    有时候，您可能需要以最高精度找到角点。OpenCV带有一个函数cv2.cornerSubPix（），它进一步细化了以亚像素精度检测到的角点。下面是一个例子。像往常一样，我们需要先找到哈里斯的角落。然后我们通过这些角的质心（可能有一些像素位于角落，我们取其质心）来优化它们。哈里斯的角落标记为红色像素，精致的角落标记为绿色像素。对于这个函数，我们必须定义何时停止迭代的标准。我们停止指定次数的迭代或达到一定的准确度，以先发生者为准。我们还需要定义要搜索拐角的邻域的大小。

import cv2
import numpy as np

filename = 'chessboard2.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# find Harris corners
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)
dst = cv2.dilate(dst,None)
ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0)
dst = np.uint8(dst)

# find centroids
ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)

# define the criteria to stop and refine the corners
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001)
corners = cv2.cornerSubPix(gray,np.float32(centroids),(5,5),(-1,-1),criteria)

# Now draw them
res = np.hstack((centroids,corners))
res = np.int0(res)
img[res[:,1],res[:,0]]=[0,0,255]
img[res[:,3],res[:,2]] = [0,255,0]

cv2.imwrite('subpixel5.png',img)

结果：

参考：

http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_features_harris/py_features_harris.html

转载请注明出处！！！