图像特征提取：（一）Harri角点检测

目录

一  Harri角点检测
  1.1 何为角点检测？
  1.2 Harri算子的数学表征
  1.3 Opencv实现Harri角点检测
  1.4 参考资料
二 背景建模
三 光流估计

一 Harri角点检测

1.1 何为角点检测?

  定义：角点就是轮廓之间的交点。如果从数字图像处理的角度来描述就是：像素点附近区域像素无论是在梯度方向、还是在梯度幅值上都发生较大的变化。
  基本思想：选取一个固定的窗口在图像上以任意方向的滑动，如果灰度都有较大的变化，那么久认为这个窗口内部存在角点。

1.2 Harri算子的数学表征

  将图像的窗口函数，平移，那么滑动前与滑动后对应的窗口中的像素点灰度变化描述如下：

其中灰度变化部分：

因此得到：

这里窗口函数，最简单的取值为1，一般为以中心为原点的二元正态分布。

因此角点与其他类型区域的不同之处：
  * 平坦区域：梯度方向各异，但是梯度幅值变化不大
  * 线性边缘：梯度幅值改变较大，梯度方向改变不大
  * 角点：梯度方向和梯度幅值变化都较大
将M对角化，产生两个特征值，判断条件如下：
  * 平坦区域：两个特征值都很小
  * 线性边缘：特征值一个大一个小
  * 角点：两个特征值都较大

进一步可以用下方的公式评价角点：

其中，

1.3 Opencv实现Harri角点检测

import cv2
import numpy as np
​
filename = '****.jpg'
​
img = cv2.imread(filename)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,blockSize,ksize,k)
​
"""
其中，
gray为灰度图像，
blockSize为邻域窗口的大小，
ksize是用于Soble算子的参数，
k是一个常量，取值为0.04~0.06
也可以通过scipy.ndimage.filters的库自己计算
"""

1.4 参考资料

[1] https://zhuanlan.zhihu.com/p/67770305
[2] https://blog.csdn.net/lwzkiller/article/details/54633670