一、CornerHarris概述
CornerHarris函数是一种常用的角点检测算法,又称Harris角点检测算法。其基本思想是利用图像像素点的灰度值变化情况,通过计算像素梯度的变化率,来判断图像上的角点位置。
CornerHarris函数的定义形式如下:
void cornerHarris(InputArray src, OutputArray dst, int blockSize, int ksize, double k, int borderType=BORDER_DEFAULT);
参数含义如下:
src
: 输入图像dst
: 输出图像,包含每个像素的响应强度blockSize
: 计算协方差矩阵时每个小区域的大小ksize
: Sobel算子的大小k
: Harris算子中的自由参数borderType
: 图像边界处理方式,默认为BORDER_DEFAULT
二、CornerHarris的实现原理
1. Sobel算子计算图像梯度
CornerHarris函数首先利用Sobel算子计算图像每个像素的梯度值,而Sobel算子本质上是一个二维滤波器。
Sobel算子的定义形式如下:
void CV_EXPORTS Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT);
参数含义如下:
src
: 输入图像dst
: 输出图像,包含每个像素的梯度强度ddepth
: 输出图像的数据类型dx
: x方向的差分阶数dy
: y方向的差分阶数ksize
: Sobel算子的大小scale
: 缩放因子delta
: 偏移量borderType
: 图像边界处理方式,默认为BORDER_DEFAULT
2. 协方差矩阵计算
利用Sobel算子计算得到的梯度值,我们可以计算图像局部区域的协方差矩阵,其中包括x方向的梯度统计值和y方向的梯度统计值。
协方差矩阵的计算公式如下:
3. Harris响应函数计算
接下来,我们需要计算每个像素的Harris响应函数值:
其中,k
为Harris算子中的自由参数,一般取值为0.04到0.06之间。
4. 非极大值抑制
通过计算得到每个像素的Harris响应函数值,我们现在需要筛选出角点的位置。通常情况下,我们会选择对响应函数值较大的、极值点进行保留,而非极大值抑制则是一种常用的处理方式。
三、CornerHarris应用场景
1. 角点检测
作为一种角点检测算法,CornerHarris的主要应用场景便是在计算机视觉领域中。例如,我们可以利用CornerHarris算法检测摄像头捕捉到的图像中的人脸位置,并在人脸位置处添加特定的处理,如眼睛的识别、人脸的三维重建、人脸素描的生成等。
2. 物体跟踪
除了角点检测之外,CornerHarris还可以广泛应用于物体跟踪等其他方面。例如,在移动机器人的路径规划中,我们可以借助CornerHarris算法来检测机器人行进的路径上是否有较为复杂的转角。
3. 三维重建
在进行图像处理和计算机视觉方面的研究时,CornerHarris算法还可以帮助我们进行三维重建等工作。例如,在建模一个房间的时候,我们可以在每个角落中运用CornerHarris算法来检测出每个墙壁之间的空间并加以准确描述。
四、CornerHarris代码示例
1. Python代码
import cv2 import numpy as np # Load the image img = cv2.imread('chessboard.png') # Convert the image to grayscale gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # Detect Harris corners dst = cv2.cornerHarris(gray,2,3,0.04) # Threshold to obtain the optimal value dst = cv2.dilate(dst,None) ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0) # Draw corners on the original image img[dst>0.01*dst.max()] = [0,0,255] # Display the image cv2.imshow('dst',img) cv2.waitKey(0) cv2.destroyAllWindows()
2. C++代码
#include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #includeusing namespace cv; using namespace std; int main() { // Load the image Mat src = imread("chessboard.png"); // Convert the image to grayscale Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); // Detect Harris corners Mat dst; int blockSize = 2; int ksize = 3; double k = 0.04; cornerHarris(gray, dst, blockSize, ksize, k); // Threshold to obtain the optimal value Mat dst_norm, dst_norm_scaled; normalize(dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat()); convertScaleAbs(dst_norm, dst_norm_scaled); // Draw corners on the original image for (int i = 0; i < dst_norm.rows; i++) { for (int j = 0; j < dst_norm.cols; j++) { if ((int)dst_norm.at (i, j) > 100) { circle(src, Point(j, i), 5, Scalar(0, 0, 255), 2, 8, 0); } } } // Display the image imshow("dst", src); waitKey(0); return 0; }