免费做网站教程,软件公司网站模板,网站搭建报价单,东莞公司注册流程及需要的材料『youcans 的 OpenCV 例程300篇 - 总目录』 【youcans 的 OpenCV 例程 300篇】238. OpenCV 中的 Harris 角点检测
角是直线方向的快速变化。角点通常被定义为两条边的交点#xff0c;或者说角点的邻域应该具有两个不同区域的不同方向的边界。
角是高度有效的特征。角点检测或者说角点的邻域应该具有两个不同区域的不同方向的边界。
角是高度有效的特征。角点检测Corner Detection广泛应用于运动检测、图像匹配、视频跟踪、三维重建和目标识别。 6.1 哈里斯-斯蒂芬斯角检测器Harris
在基于灰度变换的角点检测算法中Harris 算法重复性良好、检测效率较高应用较为广泛。
哈里斯-斯蒂芬斯角检测器Harris and Stephens的原理是通过检测窗口在图像上移动计算移动前后窗口中像素的灰度变化。角点是两条边的交点其特征是检测窗口沿任意方向移动都会导致灰度的显著变化。
对于点 (x,y)(x,y)(x,y)令 w(x,y)w(x,y)w(x,y) 为矩形检测窗口或高斯检测窗口I(x,y)I(x,y)I(x,y) 是检测窗口在点 (x,y)(x,y)(x,y) 的灰度值I(xu,yv)I(xu,yv)I(xu,yv) 是检测窗口滑动 (u,v)(u,v)(u,v) 距离之后的灰度值。
计算窗口 w(x,y)w(x,y)w(x,y) 滑动 (u,v)(u,v)(u,v) 距离之后的灰度变化 E(u,v)∑x,yw(x,y)[I(xu,yv)−I(x,y)]2E(u,v) \sum _{x,y} w(x,y) [I(xu, yv) - I(x,y)]^2 E(u,v)x,y∑w(x,y)[I(xu,yv)−I(x,y)]2 对于很小的位移 (u,v)(u,v)(u,v)使用一阶泰勒展开进行简化
E(u,v)∑x,yw(x,y)[I(x,y)uIxvIyO(u2,v2)−I(x,y)]2≈∑x,yw(x,y)[u2Ix22uvIxIyv2Iy2]≈[u,v]∑x,yw(x,y)[IxIxIxIyIxIyIyIy][uv]\begin{aligned}E(u,v) \sum_{x,y} w(x,y) [I(x,y) uI_x vI_y O(u^2,v^2)- I(x,y)]^2 \\\approx \sum_{x,y} w(x,y) [u^2 I_x^2 2uv I_x I_y v^2 I_y^2] \\\approx [u,v] \sum_{x,y}w(x,y)\begin{bmatrix}I_x I_x I_x I_y \\I_x I_y I_y I_y\end{bmatrix}\begin{bmatrix}u\\v\end{bmatrix}\end{aligned} E(u,v)≈≈x,y∑w(x,y)[I(x,y)uIxvIyO(u2,v2)−I(x,y)]2x,y∑w(x,y)[u2Ix22uvIxIyv2Iy2][u,v]x,y∑w(x,y)[IxIxIxIyIxIyIyIy][uv] Ix,IyI_x,I_yIx,Iy 分别是在 x, y 方向的导数可以由 Sobel 梯度算子求出。
记 M 为梯度的协方差矩阵 M∑x,yw(x,y)[IxIxIxIyIxIyIyIy]M \sum_{x,y} w(x,y)\begin{bmatrix}I_x I_x I_x I_y \\I_x I_y I_y I_y\end{bmatrix} Mx,y∑w(x,y)[IxIxIxIyIxIyIyIy]
在几何模型中通过判断两个特征值的大小来判定像素的属性。矩阵 M 是IxIyI_xI_yIxIy 的二次函数可以表示为椭圆形状椭圆的长短半轴由矩阵 M 的特征值 λ1λ2\lambda _1\lambda _2λ1λ2 决定方向由特征向量决定。
定义角点响应函数 R Rdet(M)−k[trace(M)]2det(M)λ1∗λ2trace(M)λ1λ2\begin{aligned}R det(M) - k [trace(M)]^2 \\det(M) \lambda _1 * \lambda _2 \\trace(M) \lambda _1 \lambda _2\end{aligned} Rdet(M)−k[trace(M)]2det(M)λ1∗λ2trace(M)λ1λ2 k 是调节参数通常取 0.04~0.06。
角点响应函数 R 只与矩阵 M 的特征值 λ1λ2\lambda _1\lambda _2λ1λ2 有关可以用来判断区域是拐角、边缘还是平坦
λ1λ2\lambda _1\lambda _2λ1λ2 较小时 ∣R∣|R|∣R∣ 较小即各个方向上灰度基本不变表明检测器处于平坦区域λ1λ2\lambda _1 \lambda _2λ1λ2 或 $ \lambda _2 \lambda _1$ 时 R0R 0R0 即灰度在某个方向变化但在其正交方向不变化表明检测器处于边缘区域λ1λ2\lambda _1\lambda _2λ1λ2 较大且 λ1∼λ2\lambda _1 \sim \lambda _2λ1∼λ2时 ∣R∣|R|∣R∣ 很大即灰度在所有方向都发生重大变化表明检测器包含角点或孤立点。 6.2 OpenCV 中的 Harris 角检测器
OpenCV 中提供了 Harris 角点检测函数 cv.cornerHarris()。 函数说明
cv.cornerHarris(src, blockSize, ksize, k[, dstNone, borderTypeBORDER_DEFAULT] ) → dst
cv.cornerEigenValsAndVecs(src, blockSize, ksize[, dstNone, borderTypeBORDER_DEFAULT]) → dst
cv.cornerMinEigenVal(src, blockSize[, dstNone, ksize3, borderTypeBORDER_DEFAULT]) → dst函数 cv.cornerHarris 运行 Harris 角检测器。
函数 cv.cornerEigenValsAndVecs 计算图像矩阵的特征值和特征向量。
函数 cv.cornerMinEigenVal 计算用于角点检测的梯度矩阵的最小特征值。
对于每个像素 (x,y) 计算梯度协方差矩阵 M(x,y)M(x,y)M(x,y)。然后计算特征 dst(x,y)detM(x,y)−k⋅(trM(x,y))2dst(x,y) det M^{(x,y)} - k \cdot (tr M^{(x,y)})^2 dst(x,y)detM(x,y)−k⋅(trM(x,y))2
则角点在特征响应图像中是局部极大值。 实践中定义当 R 大于设定阈值且为局部最大值的点为角点 。
参数说明
src输入图像单通道的 8位图像或浮点数图像dst输出图像Harris 检测器的响应大小与 src 相同格式为 CV_32FC1blockSize邻域尺寸ksizeSobel 算子的孔径参数kHarris 检测器调节参数通常取 0.04~0.06borderType边界扩充类型 cv.BORDER_CONSTANTcv.BORDER_REPLICATEcv.BORDER_REFLECTcv.BORDER_REFLECT_101cv.BORDER_TRANSPARENT
注意事项
函数 cv.cornerMinEigenVal 类似于 cv.cornerEigenValsAndVecs但它仅计算和保存矩阵 M 的最小特征值即 min(λ1,λ2)min(\lambda_1, \lambda_2)min(λ1,λ2)。 例程 14.19特征检测之 Harris 角检测器 # 14.19 角点检测之 Harris 算法img cv2.imread(../images/Chess01.png, flags1)gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # (600, 540)# gray np.float32(gray) # uint8float32 都支持blockSize [2, 3, 5] # 滑动窗口大小ksize [3, 5, 9] # Sobel 核函数大小plt.figure(figsize(9, 9))for i in range(len(blockSize)):for j in range(len(ksize)):dst cv2.cornerHarris(gray, blockSize[i], ksize[j], k0.04)imgCorner np.copy(img)imgCorner[dst 0.01*dst.max()] [0, 0, 255] # 筛选角点红色标记plt.subplot(3,3,i*len(ksize)j1), plt.axis(off)plt.imshow(cv2.cvtColor(imgCorner, cv2.COLOR_BGR2RGB))plt.title(blockSize{},ksize{}.format(blockSize[i], ksize[j]))plt.tight_layout()plt.show()【本节完】 版权声明 youcansxupt 原创作品转载必须标注原文链接(https://blog.csdn.net/youcans/article/details/125820758) Copyright 2022 youcans, XUPT Crated2022-7-15 238. OpenCV 中的 Harris 角点检测 239. Harris 角点检测之精确定位cornerSubPix 240. OpenCV 中的 Shi-Tomas 角点检测
