基于OpenCV的harris角点检测

首先放上一张帝国大厦的测试图片。

Harris角点检测框架是使用偏微分来近似平方差的计算，通过计算微分矩阵的两个特征值来决定是否存在角点特征。例如，当两个特征值均较大时，图像块中有角点特征，仅当其中一个特征值角点，则图像块中存在边缘特征。

GoodFeaturesToTrackDetector harris_detector(1000, 0.01, 10, 3, true);
vector<KeyPoint>keypoints;
harris_detector.detect(gray_img, keypoints);

在OpenCV中，使用GoodFeaturesToTrackDetector 定义一个进行1000个角点检测的Harris角点检测器，使用drawKeypoints函数进行角点绘制。

作者在测试时发现以下两种情况均可以在图像中进行角点绘制。

1）drawKeypoints(Mat(), keypoints, img, CV_RGB(255, 0, 0),-1)，在原始的彩色图像img中绘制实心角点，flag参数必须为-1，否则会报错。

2）drawKeypoints(img, keypoints, img, CV_RGB(255, 0, 0), 0)，在彩色图像img中进行角点的绘制，第一个参数不能为Mat()的默认构造值。

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

using namespace cv;

int main(int argc, char ** argv){
Mat img = imread("empire.jpg");
//imshow("original", img);
Mat gray_img(img.size(), 1);
cvtColor(img, gray_img, CV_BGR2GRAY);


GoodFeaturesToTrackDetector harris_detector(1000, 0.01, 10, 3, true);
vector<KeyPoint>keypoints;
harris_detector.detect(gray_img, keypoints);


//drawKeypoints(Mat(), keypoints, img, CV_RGB(255, 0, 0),-1);
drawKeypoints(img, keypoints, img, CV_RGB(255, 0, 0), 0);

imshow("original", img);
imshow("gray", gray_img);
imwrite("harris_corners.jpg", img);
waitKey();


return 0;
}