Harries 角点检测子

理论

• 在计算机视觉中，通常会需要寻找两张图中的匹配关键点。所谓的匹配关键点就是指场景中可以很容易识别出来的特性，也就是特征
• 图像的特征类型一般分为以下几种：
  • 边缘
  • 角点（感兴趣关键点）
  • 斑点（感兴趣区域）
• 其中的角点特征就是本文中重点关注的东西。
• 角点是两个边缘的连接点，它代表了两个边缘变化的方向上的点。图像梯度有很高的变化，这种变化是可以用来帮助检测角点的。

工作原理

• 角点代表的是图像像素梯度变化，所以我们如果在图像中能够找到这个变化，也就可以找出角点。
• 考虑到一个灰度图像I，滑动窗口w(x,y)在x，y方向上的像素灰度变化。

4061513A-863B-48CE-9E38-9CA9EEA30969.png

其中w(x,y)是滑动窗口的位置
I(x,y)是(x,y)坐标的灰度值

为了寻找带角点的窗口，我们搜索像素灰度变化最大的窗口，于是我们最大化公式，并使用泰勒展开式，对公式进行展开，再表示为一个矩阵表达式，

B9B9DC06-9168-49A1-AD00-ED5A9DF552ED.png

最后得出最终的等式。

1E80B8E6-C681-4A57-AB12-632BBA828643.png 7601712B-5649-4E79-B4BB-D2F2062B0529.png

• 每个窗口中计算得到一个值。这个值决定了这个窗口中是否包含了角点:

4CDD965C-03A4-4F50-ACBB-78F53C9E1512.png

其中

DD125D28-007A-4A07-A550-3E67A783D0F7.png

一个窗口，它的分数 R 大于一个特定值，这个窗口就可以被认为是”角点”

代码

• 代码实现基于OpenCV for iOS, 主要代码如下：

#import "ViewController.h"
#import <opencv2/opencv.hpp>
#import <opencv2/imgproc/types_c.h>
#import <opencv2/highgui/ios.h>
using namespace cv;
using namespace std;

Mat src,src_gray;

Mat dst, dst_norm, dst_norm_scaled;
int thresh = 200;
int max_thresh = 255;
int min_thresh = 100;
@interface ViewController ()
@property (nonatomic, retain) UIImageView *imgView1;
@property (nonatomic, retain) UIImage *img;
@property (nonatomic, retain) UISlider *slider;
@end

@implementation ViewController

- (void)viewDidLoad {
    [super viewDidLoad];
  [self initMat];
    cvtColor( src, src_gray, CV_BGR2GRAY );
    [self createSlider];
    [self refresh];
}
- (void)initMat {
    self.img = [UIImage imageNamed:@"test.jpg"];
    UIImageToMat(_img, src);
}

- (void)refresh
{
    cornerHarris_demo( 0, 0 );
    [self createImageView];
}

void cornerHarris_demo( int, void* )
{
    
    dst = Mat::zeros( src.size(), CV_32FC1 );
    
    /// Detector parameters
    int blockSize = 2;
    int apertureSize = 3;
    double k = 0.04;
    
    /// Detecting corners
    cornerHarris( src_gray, dst, blockSize, apertureSize, k, BORDER_DEFAULT );
    
    /// Normalizing
    normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );
    convertScaleAbs( dst_norm, dst_norm_scaled );
    
    /// Drawing a circle around corners
    for( int j = 0; j < dst_norm.rows ; j++ )
    { for( int i = 0; i < dst_norm.cols; i++ )
    {
        if( (int) dst_norm.at<float>(j,i) > thresh )
        {
            circle( dst_norm_scaled, cv::Point( i, j ), 5,  Scalar(0), 2, 8, 0 );
        }
    }
    }
}
- (void)createSlider {
    self.slider = [[UISlider alloc] initWithFrame:CGRectMake(10, self.view.frame.size.height - 50, self.view.frame.size.width - 20, 40)];
    [self.view addSubview:_slider];
    [_slider addTarget:self action:@selector(sliderAction:) forControlEvents:(UIControlEventValueChanged)];
}

- (void)createImageView {
    CGFloat h = self.view.frame.size.width * 2 / 3;
    if (self.imgView1 == nil) {
        self.imgView1 = [[UIImageView alloc] initWithFrame:CGRectMake(0, 20, self.view.frame.size.width, h)];
        [self.view addSubview:_imgView1];
    }
    _imgView1.image = MatToUIImage(dst_norm_scaled);
    _imgView1.backgroundColor = [UIColor lightGrayColor];

}

- (void)sliderAction:(UISlider *)slider {
    slider.maximumValue = max_thresh;
    slider.minimumValue = min_thresh;
    thresh = slider.value;
    [self refresh];
}
@end

实验结果

• 原图

  
  原图.png

• 效果图

  
  效果图.png