OpenCV图像特征提取与检测C++(二)Harris角点检测、Shi-Tomasi 角点检测、亚像素级别角点检测

最新推荐文章于 2025-01-06 17:01:33 发布

gsx316

最新推荐文章于 2025-01-06 17:01:33 发布

阅读量4.8k

点赞数 7

CC 4.0 BY-SA版权

分类专栏： OpenCV图像特征提取与检测C++

本文链接：https://blog.youkuaiyun.com/qq_26907755/article/details/81742160

本文介绍了OpenCV中的角点检测方法，包括Harris角点检测、Shi-Tomasi角点检测以及亚像素级别的角点检测。角点作为图像的重要特征，用于运动检测、图像匹配等领域。文章详细讲解了角点检测的原理，并提供了相关算法的API及代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

图像特征类型可以分为三种：
边缘，角点，斑点。
其中，角点是个很特殊的存在，他们在图像中可以轻松定位，因为角点位于两条边缘的交点，代表了两条边缘变化的方向上的点，所以他们是可以精确定位的二维特征，甚至可以达到亚像素精度。
角点定义：如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，则称为角点。
角点通常被定义为两条边的交点，更严格的说，角点的局部邻域应该具有两个不同区域的不同方向的边界
1，一阶导数（灰度的梯度）的局部最大化所对应的像素点
2，两天及两条以上边缘的交点
3，图像中梯度值和梯度方向的变化速率都很高的点
4，角点处的一阶导数最大，二阶导数为0，指示物体边缘变化不连续的方向

角点检测算法分为三类：
1，基于灰度图像的角点检测
2，基于二值图像的角点检测
3，基于轮廓曲线的角点检测
角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。
角点响应函数R为：
R=λ1*λ2-k(λ1+λ2)的平方，k在0.04-0.06之间
Harris角点检测：
角点响应函数R为：
R=λ1*λ2-k(λ1+λ2)的平方，k在0.04-0.06之间
API：

void cornerHarris(InputArray src,   源图像，填Mat类的对象即可，且需为单通道8位或者浮点型图像
OutputArray dst,     这个参数用于存放Harris角点检测的输出结果，和源图片有一样的尺寸和类型。
int blockSize,         领域的大小即计算y1y2时候矩阵的大小
int ksize,                 表示Sobel()算子的孔径大小
double k,               k在0.04-0.06之间
intborderType=BORDER_DEFAULT  图像像素的边界模式
)

步骤：

转为灰度图像
角点检测找出角点
转为二值图像

代码：

#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string> 
#include<fstream> 
using namespace cv;
using namespace std;

Mat src,graysrc;
int thresh_v = 130;
int thresh_max = 255;

void m_harris(int, void*) {
    Mat dst,nordst,scadst,retdst;
    dst = Mat::zeros(src.size(), CV_32FC1);
    cornerHarris(gray