图像处理(九):特征点检测之Harris角点检测

2023-12-23 10:58

本文主要是介绍图像处理(九):特征点检测之Harris角点检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

    图像可以看做是一个WxHxC(width x height x channels)的矩阵来表示。同一个物体,在不同观测角度、光照强度时,图像上的像素强度会发生改变,因此考虑用特征点来对图像进行描述。特征点指的就是能够显著描述图像特征的点。

    Harris角点检测原理可以参考博客:https://blog.csdn.net/lwzkiller/article/details/54633670

    角点即像素无论在梯度方向和幅值上都存在较大变化的点,这些点为轮廓的交点,对于视角、光照强度等因素都具备较强鲁棒性。检测角点的基本思想为:验证像素点灰度值是否在任意方向上都存在较大变化。

    1、灰度值变化计算:

                                                     

    使用一阶泰勒展开有:

                                 

    所以,灰度值的变化量为:

                                                         

    2、具体计算方式:

    通常像素点梯度变化,一般考虑的是利用自身像素与所在位置的领域内像素点之间像素值的偏差来计算。因此,计算偏差时,通常会设置一个以当前像素点坐标为中心的计算区域W,即统计像素在区域W中的变化,因此计算公式就变成:

                                

    写成矩阵形式有:

                   

    变化大小取决于矩阵M:

                                               

    矩阵M的特征值表示矩阵M在对应特征向量方向V上变化大小,越大表示变化越大。因此,通过计算矩阵M的两个特征值,如果两个特征值都比较大,就表示该点为角点;如果一个特征值大,一个特征小,就表示为边缘;如果都比较小就表示为平坦区域。

    特征值的计算方式为:

                                                           

     定义一个衡量角点强度函数:

                                                        

    为什么R是这个形式?这个在作者论文中有一个图,至于怎么得到的就不得而知了,  k为系数,一般取值为0.04~0.06,用于调节函数形状。

3、代码

这个代码不是原创,是在github上面发现的一段代码,表示代码写的非常简洁明了,代码链接地址为:https://github.com/ronnyyoung/ImageFeatures/blob/master/source/harris.cpp

#include "imgFeat.h"void feat::detectHarrisCorners(const Mat& imgSrc, Mat& imgDst, double alpha)
{Mat gray;if (imgSrc.channels() == 3){cvtColor(imgSrc, gray, CV_BGR2GRAY);}else{gray = imgSrc.clone();}gray.convertTo(gray, CV_64F);Mat xKernel = (Mat_<double>(1,3) << -1, 0, 1);Mat yKernel = xKernel.t();Mat Ix,Iy;filter2D(gray, Ix, CV_64F, xKernel);filter2D(gray, Iy, CV_64F, yKernel);Mat Ix2,Iy2,Ixy;Ix2 = Ix.mul(Ix);Iy2 = Iy.mul(Iy);Ixy = Ix.mul(Iy);Mat gaussKernel = getGaussianKernel(7, 1);filter2D(Ix2, Ix2, CV_64F, gaussKernel);filter2D(Iy2, Iy2, CV_64F, gaussKernel);filter2D(Ixy, Ixy, CV_64F, gaussKernel);Mat cornerStrength(gray.size(), gray.type());for (int i = 0; i < gray.rows; i++){for (int j = 0; j < gray.cols; j++){double det_m = Ix2.at<double>(i,j) * Iy2.at<double>(i,j) - Ixy.at<double>(i,j) * Ixy.at<double>(i,j);double trace_m = Ix2.at<double>(i,j) + Iy2.at<double>(i,j);cornerStrength.at<double>(i,j) = det_m - alpha * trace_m *trace_m;}}// thresholddouble maxStrength;minMaxLoc(cornerStrength, NULL, &maxStrength, NULL, NULL);Mat dilated;Mat localMax;dilate(cornerStrength, dilated, Mat());compare(cornerStrength, dilated, localMax, CMP_EQ);Mat cornerMap;double qualityLevel = 0.01;double thresh = qualityLevel * maxStrength;cornerMap = cornerStrength > thresh;bitwise_and(cornerMap, localMax, cornerMap);imgDst = cornerMap.clone();}

效果如下:

 

 

这篇关于图像处理(九):特征点检测之Harris角点检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/527777

相关文章

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR(光学

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

JavaFX应用更新检测功能(在线自动更新方案)

JavaFX开发的桌面应用属于C端,一般来说需要版本检测和自动更新功能,这里记录一下一种版本检测和自动更新的方法。 1. 整体方案 JavaFX.应用版本检测、自动更新主要涉及一下步骤: 读取本地应用版本拉取远程版本并比较两个版本如果需要升级,那么拉取更新历史弹出升级控制窗口用户选择升级时,拉取升级包解压,重启应用用户选择忽略时,本地版本标志为忽略版本用户选择取消时,隐藏升级控制窗口 2.

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数:

Temu官方宣导务必将所有的点位材料进行检测-RSL资质检测

关于饰品类产品合规问题宣导: 产品法规RSL要求 RSL测试是根据REACH法规及附录17的要求进行测试。REACH法规是欧洲一项重要的法规,其中包含许多对化学物质进行限制的规定和高度关注物质。 为了确保珠宝首饰的安全性,欧盟REACH法规规定,珠宝首饰上架各大电商平台前必须进行RSLReport(欧盟禁限用化学物质检测报告)资质认证,以确保产品不含对人体有害的化学物质。 RSL-铅,