Harris角点检测经典教程.docxVIP

Harris角点检测算法编程步骤及示例演示简单将Harris角点检测算法的思想说下，就是拿一个小窗在图像中移动，通过考察这个小窗口内图像灰度的平均变换值来确定角点。（1）如果窗口内区域图像的灰度值恒定，那么所有不同方向的偏移几乎不发生变化；（2）如果窗口跨越一条边，那么沿着这条边的偏移几乎不发生变化，但是与边垂直的偏移会发生很大的变化；（3）如果窗口包含一个孤立的点或者角点，那么所有不同方向的偏移会发生很大的变化。下面给出具体数学推导：设图像窗口平移量为（u,v）,产生的灰度变化为E(u,v),有E(u,v)=sum[w(x,y)[I(x+u,y+v)-I(x,y)]^2],其中w(x,y)为窗口函数，I(x+u,y+v)为平移后的灰度值，I(x,y)为平移前的灰度值。有泰勒公式展开可得：I(x+u,y+v)=I(x,y)+Ix*u+Iy*v+O(u^2,v^2);Ix,Iy分别为偏微分，在图像中为图像的方向导数.因此E(u,v)=sum[w(x,y)[Ix*u+Iy*v+O(u^2,v^2)]^2],可以近似得到E(u,v)=sum[w(x,y)[Ix*u+Iy*v]^2],即E(u,v)=[u,v][Ix^2,Ix*Iy;Ix*Iy,Iy^2][u,v]T令M=[Ix^2,Ix*Iy;Ix*Iy,Iy^2]，因此最后对角点的检测成了对矩阵M的特征值的分析了，令M其特征值为x1,x2;当x1x2或者x2x1，则检测到的是边缘部分；当x1,x2都很小，图像窗口在所有移动的方向上移动灰度级都无明显变化.当X1,X2都很大时且相当，检测到的是角点。编程时用x1,x2不方便，因此定义角点响应函数;R=det(M)-k(trace(M))^2;其中det(M)为矩阵M的行列式，trace(M)为矩阵M的迹。下面给出更具数学公式实际编程的步骤：1.利用水平，竖直差分算子对图像的每个像素进行滤波以求得Ix,Iy,进而求得M中的四个元素的值。M=[Ix^2,Ix*Iy;Ix*Iy,Iy^2]2.对M的四个元素进行高斯平滑滤波，为的是消除一些不必要的孤立点和凸起，得到新的矩阵M。3.接下来利用M计算对应每个像素的角点响应函数R，即：R=det(M)-k(trace(M))^2;也可以使用改进的R：R=[Ix^2*Iy^2-(Ix*Iy)^2]/(Ix^2+Iy^2);里面没有随意给定的参数k，取值应当比第一个令人满意。4.在矩阵R中，同时满足R(i,j)大于一定阈值threshold和R(i,j)是某领域内的局部极大值，则被认为是角点。下面给出程序代码：还不错，自己一步步查资料写的，还算详细。function mainclc;clear;close all;%The coner points extractions using Harris methods;frame=imread(*.jpg);figure(1);imshow(frame);%调用harris角点检测子函数;%输入参数解释：frame为输入图像,7为高斯滤波窗口大小，2为均方差sigma的值，%0,04为推荐的k值，winsize为极大抑制窗口的大小且给参数时为奇数;%输出参数解释：posX为检测到角点X坐标，posY为检测到角点Y坐标，%cnt为检测到角点的个数，Out_Image为输出图像;[posX,posY,cnt,Out_Image]=conerdetection(frame,7,2,0.04,7); %输出的图像已经是2值化的figure(2);imshow(Out_Image);hold on;plot(posX,posY,ro,MarkerSize,15);disp(cnt);endfunction [posX,posY,cnt,Out_Image]=conerdetection(frame,GaussWindow,sigma,k,winsize)%ImageData: gracyscale image of input%GaussWindow: The sizes of Gauss window%sigma:The variance%default value%winsize为极大抑制窗口大小Out_Image=frame;ImageData=frame;ImageData= double(ImageData(:,:,2)); %ImageData数据矩阵式一个三通道的，我们角点标记只需选择一个可以;%ImageData=im2bw(ImageData,0.5); %或者将3通道的的图像转换成2值化的图像，完成提取;%算法解释：%1：利用水平，竖直差分算子对图像的每个像素进行滤波以求得Ix,Iy，进而求得M矩阵中四个元素的值;