harris角点

文章目录：

一、Harris角点检测基本理论

二、opencv代码实现

三、改进的Harris角点检测

四、FAST角点检测

五、参考文献

六、附录（资料和源码）

一、Harris角点检测基本理论（要讲清楚东西太多，附录提供文档详细说明）

1.1 简略表达：

角点：最直观的印象就是在水平、竖直两个方向上变化均较大的点，即Ix、Iy都较大 
边缘：仅在水平、或者仅在竖直方向有较大的变化量，即Ix和Iy只有其一较大 
平坦地区：在水平、竖直方向的变化量均较小，即Ix、Iy都较小

角点响应

R=det(M)-k*(trace(M)^2)   (附录资料给出k=0.04~0.06，opencv指出是0.05-0.5，浮动较大)

det(M)=λ1*λ2      trace(M)=λ1+λ2

R取决于M的特征值，对于角点|R|很大，平坦的区域|R|很小，边缘的R为负值。

1.2 详细描述：见附录里的ppt

1.3 算法步骤

其中，局部极大值可用先膨胀后与原图比较的方法求得，具体见二中源码。

二、opencv代码实现

harris类

[cpp] view plain copy

1. #ifndef HARRIS_H  
2. #define HARRIS_H  
3. #include "opencv2/opencv.hpp"  
4.   
5. class harris  
6. {  
7. private:  
8.     cv::Mat  cornerStrength;  //opencv harris函数检测结果，也就是每个像素的角点响应函数值  
9.     cv::Mat cornerTh; //cornerStrength阈值化的结果  
10.     cv::Mat localMax; //局部最大值结果  
11.     int neighbourhood; //邻域窗口大小  
12.     int aperture;//sobel边缘检测窗口大小（sobel获取各像素点x，y方向的灰度导数）  
13.     double k;  
14.     double maxStrength;//角点响应函数最大值  
15.     double threshold;//阈值除去响应小的值  
16.     int nonMaxSize;//这里采用默认的3，就是最大值抑制的邻域窗口大小  
17.     cv::Mat kernel;//最大值抑制的核，这里也就是膨胀用到的核  
18. public:  
19.     harris():neighbourhood(3),aperture(3),k(0.01),maxStrength(0.0),threshold(0.01),nonMaxSize(3){  
20.   
21.     };  
22.   
23.     void setLocalMaxWindowsize(int nonMaxSize){  
24.         this->nonMaxSize = nonMaxSize;  
25.     };  
26.   
27.     //计算角点响应函数以及非最大值抑制  
28.     void detect(const cv::Mat &image){  
29.             //opencv自带的角点响应函数计算函数  
30.             cv::cornerHarris (image,cornerStrength,neighbourhood,aperture,k);  
31.             double minStrength;  
32.             //计算最大最小响应值  
33.             cv::minMaxLoc (cornerStrength,&minStrength,&maxStrength);  
34.   
35.             cv::Mat dilated;  
36.             //默认3*3核膨胀，膨胀之后，除了局部最大值点和原来相同，其它非局部最大值点被  
37.             //3*3邻域内的最大值点取代  
38.             cv::dilate (cornerStrength,dilated,cv::Mat());  
39.             //与原图相比，只剩下和原图值相同的点，这些点都是局部最大值点，保存到localMax  
40.             cv::compare(cornerStrength,dilated,localMax,cv::CMP_EQ);  
41.     }  
42.   
43.     //获取角点图  
44.     cv::Mat getCornerMap(double qualityLevel) {  
45.             cv::Mat cornerMap;  
46.             // 根据角点响应最大值计算阈值  
47.             threshold= qualityLevel*maxStrength;  
48.             cv::threshold(cornerStrength,cornerTh,  
49.             threshold,255,cv::THRESH_BINARY);  
50.             // 转为8-bit图  
51.             cornerTh.convertTo(cornerMap,CV_8U);  
52.             // 和局部最大值图与，剩下角点局部最大值图，即：完成非最大值抑制  
53.             cv::bitwise_and(cornerMap,localMax,cornerMap);  
54.             return cornerMap;  
55.     }  
56.   
57.     void getCorners(std::vector<cv::Point> &points,  
58.             double qualityLevel) {  
59.             //获取角点图  
60.             cv::Mat cornerMap= getCornerMap(qualityLevel);  
61.             // 获取角点  
62.             getCorners(points, cornerMap);  
63.     }  
64.   
65.     // 遍历全图，获得角点  
66.     void getCorners(std::vector<cv::Point> &points,  
67.     const cv::Mat& cornerMap) {  
68.   
69.             for( int y = 0; y < cornerMap.rows; y++ ) {  
70.                     const uchar* rowPtr = cornerMap.ptr<uchar>(y);  
71.                     for( int x = 0; x < cornerMap.cols; x++ ) {  
72.                     // 非零点就是角点  
73.                           if (rowPtr[x]) {  
74.                                 points.push_back(cv::Point(x,y));  
75.                           }  
76.                      }  
77.                 }  
78.           }  
79.   
80.     //用圈圈标记角点  
81.     void drawOnImage(cv::Mat &image,  
82.     const std::vector<cv::Point> &points,  
83.             cv::Scalar color= cv::Scalar(255,255,255),  
84.             int radius=3, int thickness=2) {  
85.                     std::vector<cv::Point>::const_iterator it=points.begin();  
86.                     while (it!=points.end()) {  
87.                     // 角点处画圈  
88.                     cv::circle(image,*it,radius,color,thickness);  
89.                     ++it;  
90.             }  
91.     }  
92.   
93. };  
94.   
95. #endif // HARRIS_H  

相关测试代码：

[cpp] view plain copy

1. cv::Mat  image, image1 = cv::imread ("test.jpg");  
2.    //灰度变换  
3.    cv::cvtColor (image1,image,CV_BGR2GRAY);  
4.   
5.   
6.    // 经典的harris角点方法  
7.    harris Harris;  
8.    // 计算角点  
9.    Harris.detect(image);  
10.    //获得角点  
11.    std::vector<cv::Point> pts;  
12.    Harris.getCorners(pts,0.01);  
13.    // 标记角点  
14.    Harris.drawOnImage(image,pts);  
15.   
16.    cv::namedWindow ("harris");  
17.    cv::imshow ("harris",image);  
18.    cv::waitKey (0);  
19.    return 0;  

相关测试结果：

三、改进的Harris角点检测

    从经典的Harris角点检测方法不难看出，该算法的稳定性和k有关，而k是个经验值，不好把握，浮动也有可能较大。鉴于此，改进的Harris方法（）直接计算出两个特征值，通过比较两个特征值直接分类，这样就不用计算Harris响应函数了。

    另一方面，我们不再用非极大值抑制了，而选取容忍距离：容忍距离内只有一个特征点。
    该算法首先选取一个具有最大   最小特征值的点（即：max（min（e1，e2）），e1，e2是harris矩阵的特征值）作为角点，然后依次按照最大最小特征值顺序寻找余下的角点，当然和前一角点距离在容忍距离内的新角点呗忽略。

    opencv测试该算法代码如下：

[cpp] view plain copy

1.     cv::Mat  image, image1 = cv::imread ("test.jpg");  
2.     //灰度变换  
3.     cv::cvtColor (image1,image,CV_BGR2GRAY);  
4.     // 改进的harris角点检测方法  
5.     std::vector<cv::Point> corners;  
6.     cv::goodFeaturesToTrack(image,corners,  
7.     200,  
8.     //角点最大数目  
9.     0.01,  
10.     // 质量等级，这里是0.01*max（min（e1，e2）），e1，e2是harris矩阵的特征值  
11.     10);  
12.     // 两个角点之间的距离容忍度  
13.     harris().drawOnImage(image,corners);//标记角点  

    测试结果如下：

四、FAST角点检测

    算法原理比较简单，但实时性很强。

    该算法的角点定义为：若某像素点圆形邻域圆周上有3/4的点和该像素点不同（编程时不超过某阈值th），则认为该点就是候选角点。opencv更极端，选用半径为3的圆周上（上下左右）四个点，若超过三个点和该像素点不同，则该点为候选角点。

    和Harris算法类似，该算法需要非极大值抑制。

opencv代码：

[cpp] view plain copy

1. cv::Mat  image, image1 = cv::imread ("test.jpg");  
2. cv::cvtColor (image1,image,CV_BGR2GRAY);  
3. //快速角点检测  
4. std::vector<cv::KeyPoint> keypoints;  
5. cv::FastFeatureDetector fast(40,true);  
6. fast .detect (image,keypoints);  
7. cv::drawKeypoints (image,keypoints,image,cv::Scalar::all(255),cv::DrawMatchesFlags::DRAW_OVER_OUTIMG);  

测试结果如下：

本文作者附：百度文库中有个详细介绍上面公式意义的：

PPT链接地址