opencv学习_12 (harris角点检测)

原理：

Harris角点检测最直观的解释是:在任意两个相互垂直的方向上，都有较大变化的点。---harris在A combined corner and edge detector这篇文章中提出来的。



在moravec角点检测中，w(x,y)的取值是二元的，在窗口内部就取值为1，在窗口外部就取值为0，在harris的角点检测中，使用的是高斯窗口，所以w(x,y)表示的是高斯窗口中的权重。此时
当u和v取两组相互垂直的值时，E(u,v)都有较大值的点。

公式推导：



根据二阶taylor展开式得出：









如何考虑E(u,v)在两个相互垂直的方向上都取得最大值呢？我们可以先求出E(u,v)在一个方向上的最大值为r1，即E(u1,v1) = r1,然后求其垂直方向上的值r2，我们意外的发现这里的r1和r2分别对应M的两个特征值，对应的向量(u1,v1),(u2,v2)为M的特征向量，此处的M被称为Hessian矩阵。

判断是否为角点的标准:

r1,r2都很小,对应于图像中的平滑区域

r1,r2都很大，对应于图像中的角点

r1，r2一个很大，一个很小，对应于图像中的边缘

Harris角点量计算公式: R = det(M) – a*trace(M)^2,其中a为经验值，取值范围介于[0.04, 0.06],另一种角点量计算方法:R
= det(M)/trace(M)—这个公式自由发挥，只要能反应角点的特征就可以了

其中det(M) = r1*r2 = AB –C^2

Trace(M) = r1+r2 =A+B （其中A=Ix^2;; B = Iy^2;;; C=IxIy）

角点检测的步骤

根据上述的讨论，harris角点检测的步骤可以总结为:

<1>计算图像I(x,y)在x和y两个方向的梯度Ix,Iy：



<2>计算梯度方向的乘积



<3>使用高斯核对Ix^2,Iy^2,IxIy进行加权，计算矩阵M的元素A，B，C



<4>根据计算角点量，并设定阀值，当角点量小于阀值，不是候选角点
<5>进行局部极大值抑制
代码：

#include <iostream>
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
using namespace std;

//harris 角点检测需要的参数
typedef struct HARRISPARAMS
{
	int gaussSize; //高斯窗口
	float gaussSigma; //高斯方差
	double threshold; //对角点量设定的阈值
	int maximumSize; //局部极大值抑制时的窗口大小
	
}HARRISPARAMS,*PHARRISPARAMS;

/*******************************
*对源图像进行卷积运算
*输入项
*srcFloat    源图像
*Ix          卷积的结果
*dxTemplate  卷积模板
*widthTemplate 模板的宽度
*heightTemplate 模板的高度
********************************/
void convolution(IplImage* srcFloat,IplImage* Ix,double* dxTemplate , int widthTemplate,int heightTemplate);

/***************************
*harris角点检测函数
*输入项
*srcIn   源图像
*params  harris角点检测需要的参数
*corners 存放harris角点坐标
****************************/
void getHarrisPoints(IplImage* srcIn,PHARRISPARAMS params,CvSeq* corners);

//主函数
int main(int argc, char* argv[])
{

	//相关变量
	IplImage* src,*srcGray;
	CvMemStorage* mem = cvCreateMemStorage(0);
	CvSeq* harrisPoints;
	HARRISPARAMS harrisParams;

	src = cvLoadImage("E:\\study_opencv_video\\lesson17_2\\2.jpg");//源图像
	
	srcGray = cvCreateImage(cvGetSize(src),8,1);        // 灰度图像
	
	if(!src)
	{
		cout << " src is null";
		return 0;
	}
	
	cvCvtColor(src,srcGray,CV_BGR2GRAY);

	//harris角点保存的空间  角点坐标保存在一个序列中
	harrisPoints = cvCreateSeq(0,sizeof(CvSeq),sizeof(CvPoint),mem);
	
	//设置相关参数
	harrisParams.gaussSize = 5;   // 高斯窗口的大小
	harrisParams.gaussSigma = 0.8;
	harrisParams.threshold = 1000;
	harrisParams.maximumSize = 21;

	//进行harris角点检测
	getHarrisPoints(srcGray,&harrisParams,harrisPoints);
	
	//获取每一个角点的坐标
	for(int x=0;x<harrisPoints->total;x++)
	{
		//获取第x个角点的坐标
		CvPoint* pt = (CvPoint*)cvGetSeqElem(harrisPoints,x);

		//以角点坐标为中心  绘制一个半径为5的圆
		cvCircle(src,*pt,2,cvScalar(255,0,255,0));
	}

	//cvSaveImage("dst.jpg",src);

	//显示图像
	cvNamedWindow("dst");
	cvShowImage("dst",src);
	cvWaitKey(0);

	//释放资源
	cvReleaseImage(&src);
	cvReleaseImage(&srcGray);
	cvReleaseMemStorage(&mem);
	return 0;
}

/***************************
*harris角点检测函数
*输入项
*srcIn   源图像
*params  harris角点检测需要的参数
*corners 存放harris角点坐标
****************************/
void getHarrisPoints(IplImage* srcIn,PHARRISPARAMS params,CvSeq* corners)
{
	int x,y;

	IplImage* srcFloat;
	
	srcFloat = cvCreateImage(cvGetSize(srcIn),32,1);
	
	cvConvertScale(srcIn,srcFloat);
	
	IplImage *Ix,*Iy,*IxIx,*IyIy,*IxIy,*A,*B,*C,*cornerness;
	double *gaussWindow = new double[sizeof(double)*params->gaussSize*params->gaussSize];
	//水平方向差分算子并求Ix
     double dxTemplate[9]={-1,0,1,
		                   -1,0,1,
						   -1,0,1};

	//垂直方向差分算子并求Iy
     double dyTemplate[9]={-1,-1,-1,
		                    0, 0, 0,
							1, 1, 1};
	
	 //此处内存用得有点奢侈 请大家自行修改 节省内存
	 //下面变量的含义与 第二十四集harris角点检测数学原理 的文档资料中定义的变量含义是一样的  请参阅
	Ix = cvCreateImage(cvGetSize(srcFloat),32,1);
	Iy = cvCreateImage(cvGetSize(srcFloat),32,1);
	IxIx = cvCreateImage(cvGetSize(srcFloat),32,1);
	IyIy = cvCreateImage(cvGetSize(srcFloat),32,1);
	IxIy = cvCreateImage(cvGetSize(srcFloat),32,1);
	A = cvCreateImage(cvGetSize(srcFloat),32,1);
	B = cvCreateImage(cvGetSize(srcFloat),32,1);
	C = cvCreateImage(cvGetSize(srcFloat),32,1);
	cornerness = cvCreateImage(cvGetSize(srcFloat),32,1); //保存角点量

    convolution(srcFloat,Ix,dxTemplate,3,3); //计算Ix
	convolution(srcFloat,Iy,dyTemplate,3,3); //计算Iy 

	//计算Ix2、Iy2、IxIy
	for(y=0;y<srcFloat->height;y++)
	{
		for(x=0;x<srcFloat->width;x++)
		{
			float IxValue,IyValue;
			
			IxValue = cvGetReal2D(Ix,y,x);
			IyValue = cvGetReal2D(Iy,y,x);

			cvSetReal2D(IxIx,y,x,IxValue*IxValue);
			cvSetReal2D(IyIy,y,x,IyValue*IyValue);
			cvSetReal2D(IxIy,y,x,IxValue*IyValue);

			
		}
	}

	//计算高斯窗口
	for( y=0;y<params->gaussSize;y++)
	{
		for( x=0;x<params->gaussSize;x++)
		{
			
			float dis,weight;
			
			dis = (y-params->gaussSize/2)*(y-params->gaussSize/2)+(x-params->gaussSize/2)*(x-params->gaussSize/2);
			weight = exp(-dis/(2.0*params->gaussSigma));
			*(gaussWindow+y*params->gaussSize+x)=weight;		
			
		}
	}
	 
	convolution(IxIx,A,gaussWindow,params->gaussSize,params->gaussSize);//计算IxIx与高斯的卷积
	convolution(IyIy,B,gaussWindow,params->gaussSize,params->gaussSize);//计算IyIy与高斯的卷积
	convolution(IxIy,C,gaussWindow,params->gaussSize,params->gaussSize);//计算IxIy与高斯的卷积

	//计算角点量
	for(y=0;y<srcFloat->height;y++)
	{
		for(x=0;x<srcFloat->width;x++)
		{
			double cornernessValue,Avalue,Bvalue,Cvalue;
			Avalue = cvGetReal2D(A,y,x);
			Bvalue = cvGetReal2D(B,y,x);
			Cvalue = cvGetReal2D(C,y,x);
			
			cornernessValue = (Avalue*Bvalue-Cvalue*Cvalue)/(Avalue+Bvalue+0.0000001);
			
			cvSetReal2D(cornerness,y,x,fabs(cornernessValue));	
		}
	
	}

	//计算局部极大值 及 极大值是否大于阈值
	int beginY,endY,beginX,endX;
	int halfWinSize = params->maximumSize/2;

	beginY = halfWinSize;
	endY = cornerness->height - halfWinSize;

	beginX = halfWinSize;
	endX = cornerness->width - halfWinSize;
	
	for(y=beginY;y<endY;)
	{
		for(x=beginX;x<endX;)
		{
			//寻找局部极大值 及其位置信息
			float maxValue=0;
			int flag = 0 ;
			CvPoint maxLoc;
			maxLoc.x = -1;
			maxLoc.y = -1;

			//首先计算以点(x,y)位中心的maximumSize*maximumSize的窗口内部的局部极大值
			for(int winy=-halfWinSize;winy<=halfWinSize;winy++)
			{
				for(int winx=-halfWinSize;winx<=halfWinSize;winx++)
				{
					float value ;
					value = cvGetReal2D(cornerness,y+winy,x+winx);
					
					//计算该窗口内 最大值 保存到max 并保存其坐标到maxLoc
					if(value>maxValue)
					{
						maxValue = value;
						maxLoc.x = x+winx;
						maxLoc.y = y+winy;
						flag = 1;
					}
				}
			}

			
			//如果找到局部极大值 并且该值大于预先设定的阈值 则认为是角点
			if(flag==1 && maxValue>params->threshold)
			{
				cvSeqPush(corners,&maxLoc);
			
			}
					
			x = x+params->maximumSize;

		}
		
		y = y + params->maximumSize;

	}
	
	delete []gaussWindow;
	cvReleaseImage(&Ix);
	cvReleaseImage(&Iy);
	cvReleaseImage(&IxIx);
	cvReleaseImage(&IyIy);
	cvReleaseImage(&IxIy);
	cvReleaseImage(&A);
	cvReleaseImage(&B);
	cvReleaseImage(&C);
	cvReleaseImage(&cornerness);
	cvReleaseImage(&srcFloat);
}
/*******************************
*对源图像进行卷积运算
*输入项
*srcFloat    源图像
*Ix          卷积的结果
*dxTemplate  卷积模板
*widthTemplate 模板的宽度
*heightTemplate 模板的高度
********************************/
void convolution(IplImage* srcFloat,IplImage* Ix,double* dxTemplate , int widthTemplate,int heightTemplate)
{
	int x,y,beginY,endY,beginX,endX;
	
	beginY = heightTemplate/2;
	endY = srcFloat->height - heightTemplate/2;
	
	beginX = widthTemplate/2;
	endX = srcFloat->width - widthTemplate/2;
	
	for(y=beginY;y<endY;y++)
	{
		for(x=beginX;x<endX;x++)
		{
	
			int i,j;
			double curDx=0;
			

			for(i=0;i<heightTemplate;i++)
			{
				for(j=0;j<widthTemplate;j++)
				{
					curDx += cvGetReal2D(srcFloat,y+i-heightTemplate/2,x+j-widthTemplate/2)**(dxTemplate+i*widthTemplate+j);
				}
			}		
			cvSetReal2D(Ix,y,x,curDx);
		
		}
		
	}
}

作者：小村长  出处：http://blog.csdn.net/lu597203933 欢迎转载或分享，但请务必声明文章出处。 （新浪微博：小村长zack, 欢迎交流！）