Haaris角点检测

项目的一个问题：图像矩形检测，当然，一开始可能会想到霍夫变换，还有就是这个haaris角点检测。

 haaris角点检测在一个或者是两个相机进行标定的时候常常用到，Opencv和matlab中都有现成的命令和程序可循。为了解角点检测的原理，自己动手查看资料并写matlab程序实现，相信这是记忆最快最深刻的方法。

       角点的位置就是图像中在x和y方向变化都很大的那个交点处。为了找到那些角点需要进行以下步骤的计算。

 一、获取输入图像image的x和y方向的边缘图像。

      方法是，用x和y方向的一阶滤波算子dx和dy（或者是二阶滤波算子dx和dy）对图像进行滤波。

      其中x方向的一阶滤波算子一般取为dx=[-1，0，1]；x方向的二阶滤波算子一般取为dx=[--2，1，0，1，2]；

             y方向的一阶滤波算子一般取为dy=[-1；0；1]；y方向的二阶滤波算子一般取为dy=[--2；1；0；1；2]；

       滤波函数用filter2()，边缘图像Ix=filter2(dx,image);Iy=filter2(dy,image);其中dx,dy为滤波算子，image为要进行滤波的图像.

注：filter2()函数在matlab中的 实现，在另一篇文章里将详述。

image

x方向滤波后边缘图像Ix为：

Ix

y方向滤波后边缘图像Iy为：

    

Iy

二、计算角点量。

初始化角点量，并进行离散高斯滤波。

并用高斯算子对M进行二维离散滤波，高斯算子如下：

高斯算子通过gauss=fspecial('gaussian',[5 5],2)设置[5 5]为算子窗口大小，2为算子的：

gauss =

    0.0232    0.0338    0.0383    0.0338    0.0232
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0383    0.0558    0.0632    0.0558    0.0383
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0232    0.0338    0.0383    0.0338    0.0232

滤波是对图像每个像素点对应的M中各个元素进行滤波：

Ix2=filter2(gauss,Ix2);
Iy2=filter2(gauss,Iy2);
Ixy=filter2(gauss,Ixy);

然后计算各个像素点的角点量R，R为正值是，检测到的是角点，R为负时检测到的是边，R很小时检测到的是平坦区域：

或者

其中k取0.4~0.6常用

三、获取全局最大角点量值，设置阈值，并求局部最大角点量值也即进行非最大值抑制。

Rmax= max（R（i，j））

阈值thresh=th*Rmax，th取值越大角点越少，th越小角点越多。

非最大值抑制的方法是，取窗口内最大值，窗口可取3x3大小。

四、在图片上画出角点位置。当R（i，j）大于阈值且是局部最大值时就认为是角点处。

可以看到好多角点处找到了两个点，图片放大就可以看到它们确实是不连续的。这是由于拍摄的时候镜头设置的问题造成的。这种问题可以通过设置高斯算子的窗口大小缓解，算子窗口越大，图像平滑度越高，角点分离不明显，将检测到越少的分离角点。反之将多检测到分离的角点。

理解原理推荐一篇博客：http://blog.csdn.net/yudingjun0611/article/details/7991601

这一次先写到这里，之后还会关注角点检测的方法和优化程序。

附程序：

matlab

clc;clear;%function wx_conner()image=imread('1.bmp');th=0.1;channel=size(image,3);height=size(image,1);width=size(image,2);if channel==3;    image=rgb2gray(image);endimage=double(image);figure;imshow(uint8(image));title('原图');%求x和y方向的梯度图% dx=[-2,-1,0,1,2];%横向梯度算子% dy=[-2;-1;0;1;2];%纵向梯度算子dx=[-1,0,1];%横向梯度算子dy=[-1;0;1];%纵向梯度算子Ix=zeros(height,width);Iy=zeros(height,width);Ix=filter2(dx,image);Iy=filter2(dy,image);%Ix = conv2(image, dx, 'same'); %Iy = conv2(image, dy, 'same');% for i=3:height-2%     for j=1:width%      Ix(i,j)=-2*image(i-2,j)-image(i-1,j)+image(i+1,j)+image(i+2,j);   %     end% end% for i=1:height%     for j=3:width-2%      Iy(i,j)=-2*image(i,j-2)-image(i,j-1)+image(i,j+1)+image(i,j+2);   %     end% endfigure;imshow(uint8(Ix));figure;imshow(uint8(Iy));Ix2=Ix.^2;Iy2=Iy.^2;Ixy=Ix.*Iy;%高斯滤波gauss=fspecial('gaussian',[5 5],2);Ix2=filter2(gauss,Ix2);Iy2=filter2(gauss,Iy2);Ixy=filter2(gauss,Ixy);%求角点量 R=(Ix2.*Iy2-Ixy.^2)./(Ix2+Iy2);%另一种角点量的计算方法 R=(Ix2.*Iy2 - Ixy.^2)-k*(Ix2+Iy2).^2;k=0.04 R(isnan(R))=0;%将无穷大的点赋值为0%设置阈值Rmax=0;for i=1:height    for j=1:width     if R(i,j)>Rmax         Rmax=R(i,j);     end    endendthresh=th*Rmax;%求R局部最大值,并作为角点,在3x3窗口内计算result=zeros(height,width);for i=2:height-1    for j=2:width-1     if R(i,j)>thresh&&R(i,j)>R(i-1,j-1)&&R(i,j)>R(i-1,j)&&R(i,j)>R(i-1,j+1)&&R(i,j)>R(i,j-1)&&R(i,j)>R(i,j+1)&&R(i,j)>R(i+1,j-1)&&R(i,j)>R(i+1,j)&&R(i,j)>R(i+1,j+1)         result(i,j)=1;     end    endend%在图片上画出角点[h,w]=find(result==1);figureimshow(uint8(image));hold on;plot(w,h,'r*');