OpenCV(四十二):Harris角点检测

1.Harris角点介绍

什么是角点？ 角点指的是两条边的交点，图中红色圈起来的点就是角点。

Harris角点检测原理：首先定义一个矩形区域，然后将这个矩形区域放置在我的图像中，求取这个区域内所有的像素值之和，之后沿着多个方向移动我这个区域，再次计算新区域的像素值之和，如果移动前和移动后的像素值两者的差值比较小，那么就不是Harris角点，如果两者之间差值比较大，就认定移动前覆盖的区域内存在Harris角点。

如图：下图两条线形成角点，而矩形区域分别表示平面、边界、角点三种位置：

2.Harris角点计算

Harris角点检测原理：当移动窗口，窗口内像素值变化大就有Harris角点

Harris角点检测原理公式：

权重系数的引入是为了更加方便地去确定某一个点是Harris角点。

Harris角点检测原理公式写成矩阵形式：

由此可得出梯度协方差矩阵M

Harris评价函数来测量每个像素的角点程度 ，与梯度协方差矩阵M相关

    在这个公式中，R是角点响应函数的值，M是一个2x2的矩阵，描述了局部区域中像素的梯度信息，det(M)表示矩阵的行列式，trace(M)表示矩阵的迹，k是一个常数，用于调节响应函数的敏感度。

Harris评价函数可以用特征向量来表示。λ1和λ2分别是M的两个特征值。

通过对特征值λ1和λ2进行求解，我们可以计算Harris评价函数R，并据此来判断像素是否为角点。

• 当λ1和λ2都较大且接近时，表示图像局部区域存在角点。
• 当λ1和λ2都比较小或者差异较大时，表示图像局部区域是平坦或者边缘区域。

3.检测Harris角点函数cornerHarris()

void cv::cornerHarris ( InputArray  src,

OutputArray dst,

int   blockSize,

int   ksize,

double   K,

int         borderType = BORDER_DEFAULT

）

• src:待检测Harris角点的输入图像，图像必须是CV 8U或者CV 32F的单通道灰度图像
• dst: 存放Harris评价系数的R矩阵，数据类型为CV 32F的单通道图像，与输入图像具有相同的尺寸
• blockSize:邻域大小
• ksize: Sobel算子的半径，用于得到梯度信息  
• k:计算Harris评价系数R的权重系数
• borderType:像素外推算法标志

4.绘制角点函数drawKeypoints()

void drawKeypoints(InputArray image,

const std::vector<KeyPoint>& keypoints,

OutputArray outImage,

const Scalar& color = Scalar::all(-1),

int flags = DrawMatchesFlags::DEFAULT

)

参数说明：

• image: 输入图像，可以是任意类型的Mat对象。
  
• keypoints: vector类型的关键点，每个关键点包含其在图像中的位置和其他信息（如尺度、方向等）。
  
• outImage: 输出图像，用于存储绘制了特征点的图像。可以与输入图像相同的尺寸和类型。
  
• color: 绘制特征点的颜色，可以是Scalar对象或CV_RGB(R, G, B)宏定义，默认为Scalar::all(-1)表示随机颜色。
  
• flags: 绘制标志，用于控制绘制方式。可以是以下常量之一：

• DrawMatchesFlags::DEFAULT: 默认绘制方式，显示关键点的位置和大小。
  
• DrawMatchesFlags::DRAW_OVER_OUTIMG: 将关键点绘制在输出图像上，而不是创建新的输出图像。
  
• DrawMatchesFlags::DRAW_RICH_KEYPOINTS: 绘制丰富的特征点，显示位置、尺度、方向等详细信息。
  

5.示例代码：

void Harris_f(Mat image){
    //转成灰度图像
    Mat gray;
    cvtColor(image,gray,COLOR_BGR2GRAY);
    // 执行Harris角点检测
    Mat harris;
    cornerHarris(gray,harris,2,3,0.04);
    //归一化便于进行数值比较和结果显示
    Mat harrisn;
    normalize(harris,harrisn,0,255,NORM_MINMAX);
    //将图像的数据类型变成CV_8U
    convertScaleAbs(harrisn,harrisn);
    //寻找Harris角点
    vector<KeyPoint> keyPoints;
    for(int row=0;row<harrisn.rows;row++){
        for(int col=0;col<harrisn.cols;col++){
            int R=harrisn.at<uchar>(row,col);
            if(R<180){
                //将角点存入KeyPoint中
                KeyPoint keyPoint;
                keyPoint.pt.y=row;
                keyPoint.pt.x=col;
                keyPoints.push_back(keyPoint);
            }
        }
    }
    //绘制角点
    drawKeypoints(image,keyPoints,image,Scalar(0,0,255,255));
    //与显示结果
    imwrite("/sdcard/DCIM/harrisn.png",harrisn);
    imwrite("/sdcard/DCIM/result.png",image);
}

             （系数矩阵）                                               （绘制Harris角点）