opencv学习笔记（三十二）Harris角点检测

1.角点检测的意义

参考这篇博文：https://blog.csdn.net/pbymw8iwm/article/details/82624898

基于特征的图像配准方法是图像配准中最常见的方法之一。一类重要的点特征：角点（corner points），其定义主要有以下：

1.  局部窗口沿各方向移动，灰度均产生明显变化的点      
2. 图像局部曲率突变的点
3. 典型的角点检测算法：Harris角点检测、CSS角点检测
4. Harris角点检测基本思想
   从图像局部的小窗口观察图像特征，角点定义：窗口向任意方向的移动都导致图像灰度的明显变化

2.原理

（1）将图像窗口平移[u,v]产生灰度变化E(u,v)，

（2）判断特征点是否为角点的依据：R只与M值有关，R为大数值正数时特征点为角点，R为大数值负数时为边缘，R为小数值时为平坦区：

3.相关API

void cornerHarris(InputArray src,OutputArray dst,int blockSize,int ksize,double k,int borderType=BORDER_DEFAULT)

src：输入图像

dst：输出图像

blocksize：计算2个最大最小特征值时候的矩阵的大小

ksize：移动监测时候的窗口大小

k：参数（取值0.04到0.06）

border Type：边界处理方式

返回的是像素值，所以要通过阈值进行筛选。也可以直接通过二值化，筛选出需要的点。

4.实现步骤

（1）转灰度图像，或者分割为单通道图像

（2）进行检测

（3）归一化处理

（4）负像素取绝对值

5.代码实现

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;
Mat src, gray_src;
int thresh = 130;
int max_count = 255;
const char* output_title = "HarrisCornerDetection Result";
void Harris_Demo(int, void*);
int main(int argc, char** argv) {

	src = imread("D:/demo.jpg");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);

	cvtColor(src, gray_src, COLOR_BGR2GRAY);//输入转为灰度图像，或者转成3通道的分割图
	createTrackbar("Threshold:", output_title, &thresh, max_count, Harris_Demo);
	Harris_Demo(0, 0);
	waitKey(0);
	return 0;
}

//滑块call的函数
void Harris_Demo(int, void*) {
	Mat dst, norm_dst, normScaleDst;
	dst = Mat::zeros(gray_src.size(), CV_32FC1);

	int blockSize = 2;
	int ksize = 3;
	double k = 0.04;
	cornerHarris(gray_src, dst, blockSize, ksize, k, BORDER_DEFAULT);//返回一些角点
	normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());//归一化
	convertScaleAbs(norm_dst, normScaleDst);//负数转为正数
	//画点在原图上
	Mat resultImg = src.clone();
	for (int row = 0; row < resultImg.rows; row++) {
		uchar* currentRow = normScaleDst.ptr(row);//取出点像素值
		for (int col = 0; col < resultImg.cols; col++) {
			int value = (int)*currentRow;
			if (value > thresh) { //如果值比设定的阈值大则输出，所以阈值为0时候基本全部输出，阈值为255时候一个没有
				circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);//画一个半径为2个像素点的圆突出
			}
			currentRow++;
		}
	}

	imshow(output_title, resultImg);
}