带你一步了解Harris角点检测

角点检测原理

Harris角点检测是一种常用的计算机视觉算法，用于检测图像中的角点。它的原理是使用自适应窗口，在每个像素处计算其在该窗口内的灰度值变化量，即在不同方向上移动窗口后的灰度值变化量的平方和。如果该值超过一个阈值，则认为该像素是角点，因为角点处存在着较大的灰度变化。

参数介绍

cornerHarris(img, blockSize, ksize, k[dst]) -> dst

* img: 输入图像
* blockSize: 角点检测中要考虑的领域大小
* ksize: Sobel 求导中使用的窗口大小
* k: Harris 角点检测方程中的自由参数, 取值参数一般为[0.04, 0.06]
* dst: 返回numpy,ndarray 对象, 大小和src相同, 值越大, 对应像素点是角的概率越高

代码实现

# 读取图片
img = cv2.imread('./huang.jpg')

# 将图片转换为灰度图，方便检测
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测角点，blockSize=4，ksize=3
dst = cv2.cornerHarris(img_gray, 4, 3, 0.04)

# 这里认为角点概率大于最大角点概率的百分之一，就可以当作角点，把它标记成红色
img[dst > 0.01 * dst.max()] = [0, 0, 255]

# 展示图片
cv2.imshow('img', img)
cv2.waitKey(0)

结果展示：

Harris角点检测算法

优点

是能够快速有效地检测角点，即使在图像发生旋转、缩放和变形的情况下，仍能够保持较好的性能。

缺点

是可能会误判一些不是角点的点，因此需要设置合适的阈值来控制误判率。