特徵檢測（一）：OpenCV中的Harris角點檢測技術

本文總結了OpenCV中Harris角點檢測技術，其餘關於Harris角點檢測原理性知識點，將在後續學習過程當中進行補充！

目標：

• 咱們將瞭解Harris Corner Detection背後的概念。
• 咱們將看到函數：cv2.cornerHarris（），cv2.cornerSubPix（）

理論：

    在上一章中，咱們看到角落是圖像中各個方向強度變化很大的區域。早在一九八八年，Chris Harris＆Mike Stephens就在其論文A Combined Corner and Edge Detector中發現了這些角落的一個早期嘗試，如今它被稱爲Harris Corner Detector。他把這個簡單的想法變成了一種數學形式。它基本上找到了全部方向上位移的強度差別。這表示以下：

窗口函數是一個矩形窗口或高斯窗口，它給下面的像素加權。

咱們必須最大化這個角落檢測功能。這意味着，咱們必須最大限度地利用第二個任期。將泰勒展開應用於上述方程式並使用一些數學步驟（請參閱您喜歡的任何標準教科書以得到完整推導），咱們獲得最終方程式爲：

哪裏

這裏，和在x圖像衍生物和y方向分別。（能夠很容易地找到使用cv2.Sobel（））。

而後是主要部分。以後，他們建立了一個分數，基本上是一個方程，它將肯定一個窗口是否能夠包含角落。

哪裏

• 而且是M的特徵值

因此這些特徵值的值決定了一個區域是角落，邊緣仍是平面。

• 當小，這發生在與小，該區域是平坦的。
• 什麼時候發生，反之亦然，該地區是邊緣。
• 當大，當其發生和大和，該地區是一個角落。

它能夠表示在一個不錯的圖片以下：

因此哈里斯角落檢測的結果是一個灰度圖像與這些分數。爲合適的閾值給出圖像中的角落。咱們會用一個簡單的圖像來作到這一點。

Harris角點探測器在OpenCV中

爲此， OpenCV具備函數cv2.cornerHarris（）。它的論據是：

• img - 輸入圖像，應該是灰度和float32類型。
• 塊大小 - 這是考慮角落檢測的鄰域大小
• ksize - 使用Sobel衍生物的孔徑參數。
• 方程中的k - 哈里斯檢測器自由參數。

import cv2
import numpy as np

filename = 'chessboard.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)

#result is dilated for marking the corners, not important
dst = cv2.dilate(dst,None)

# Threshold for an optimal value, it may vary depending on the image.
img[dst>0.01*dst.max()]=[0,0,255]

cv2.imshow('dst',img)
if cv2.waitKey(0) & 0xff == 27:
    cv2.destroyAllWindows()

具備SubPixel準確性的角落

    有時候，您可能須要以最高精度找到角點。OpenCV帶有一個函數cv2.cornerSubPix（），它進一步細化了以亞像素精度檢測到的角點。下面是一個例子。像往常同樣，咱們須要先找到哈里斯的角落。而後咱們經過這些角的質心（可能有一些像素位於角落，咱們取其質心）來優化它們。哈里斯的角落標記爲紅色像素，精緻的角落標記爲綠色像素。對於這個函數，咱們必須定義什麼時候中止迭代的標準。咱們中止指定次數的迭代或達到必定的準確度，以先發生者爲準。咱們還須要定義要搜索拐角的鄰域的大小。

import cv2
import numpy as np

filename = 'chessboard2.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# find Harris corners
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)
dst = cv2.dilate(dst,None)
ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0)
dst = np.uint8(dst)

# find centroids
ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)

# define the criteria to stop and refine the corners
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001)
corners = cv2.cornerSubPix(gray,np.float32(centroids),(5,5),(-1,-1),criteria)

# Now draw them
res = np.hstack((centroids,corners))
res = np.int0(res)
img[res[:,1],res[:,0]]=[0,0,255]
img[res[:,3],res[:,2]] = [0,255,0]

cv2.imwrite('subpixel5.png',img)

結果：

 

參考：

http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_features_harris/py_features_harris.html

轉載請註明出處！！！