haaris角点检测方法—超详细实现过程

    haaris角点检测在一个或者是两个相机进行标定的时候常常用到，Opencv和matlab中都有现成的命令和程序可循。为了解角点检测的原理，自己动手查看资料并写matlab程序实现，相信这是记忆最快最深刻的方法。

       角点的位置就是图像中在x和y方向变化都很大的那个交点处。为了找到那些角点需要进行以下步骤的计算。

 一、获取输入图像image的x和y方向的边缘图像。

      方法是，用x和y方向的一阶滤波算子dx和dy（或者是二阶滤波算子dx和dy）对图像进行滤波。

      其中x方向的一阶滤波算子一般取为dx=[-1，0，1]；x方向的二阶滤波算子一般取为dx=[--2，1，0，1，2]；

             y方向的一阶滤波算子一般取为dy=[-1；0；1]；y方向的二阶滤波算子一般取为dy=[--2；1；0；1；2]；

       滤波函数用filter2()，边缘图像Ix=filter2(dx,image);Iy=filter2(dy,image);其中dx,dy为滤波算子，image为要进行滤波的图像.

注：filter2()函数在matlab中的 实现，在另一篇文章里将详述。

image

x方向滤波后边缘图像Ix为：

Ix

y方向滤波后边缘图像Iy为：

    

Iy

二、计算角点量。

初始化角点量，并进行离散高斯滤波。

并用高斯算子对M进行二维离散滤波，高斯算子如下：

高斯算子通过gauss=fspecial('gaussian',[5 5],2)设置[5 5]为算子窗口大小，2为算子的：

gauss =

    0.0232    0.0338    0.0383    0.0338    0.0232
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0383    0.0558    0.0632    0.0558    0.0383
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0232    0.0338    0.0383    0.0338    0.0232

滤波是对图像每个像素点对应的M中各个元素进行滤波：

Ix2=filter2(gauss,Ix2);
Iy2=filter2(gauss,Iy2);
Ixy=filter2(gauss,Ixy);

然后计算各个像素点的角点量R，R为正值是，检测到的是角点，R为负时检测到的是边，R很小时检测到的是平坦区域：

或者

其中k取0.4~0.6常用

三、获取全局最大角点量值，设置阈值，并求局部最大角点量值也即进行非最大值抑制。

Rmax= max（R（i，j））

阈值thresh=th*Rmax，th取值越大角点越少，th越小角点越多。

非最大值抑制的方法是，取窗口内最大值，窗口可取3x3大小。

四、在图片上画出角点位置。当R（i，j）大于阈值且是局部最大值时就认为是角点处。

可以看到好多角点处找到了两个点，图片放大就可以看到它们确实是不连续的。这是由于拍摄的时候镜头设置的问题造成的。这种问题可以通过设置高斯算子的窗口大小缓解，算子窗口越大，图像平滑度越高，角点分离不明显，将检测到越少的分离角点。反之将多检测到分离的角点。

理解原理推荐一篇博客：http://blog.youkuaiyun.com/yudingjun0611/article/details/7991601

这一次先写到这里，之后还会关注角点检测的方法和优化程序。

附程序：

[plain] view plain copy

1. matlab  

[plain] view plain copy

1. clc;  
2. clear;  
3. %function wx_conner()  
4. image=imread('1.bmp');  
5. th=0.1;  
6. channel=size(image,3);  
7. height=size(image,1);  
8. width=size(image,2);  
9. if channel==3;  
10.     image=rgb2gray(image);  
11. end  
12. image=double(image);  
13. figure;  
14. imshow(uint8(image));  
15. title('原图');  
16. %求x和y方向的梯度图  
17. % dx=[-2,-1,0,1,2];%横向梯度算子  
18. % dy=[-2;-1;0;1;2];%纵向梯度算子  
19. dx=[-1,0,1];%横向梯度算子  
20. dy=[-1;0;1];%纵向梯度算子  
21. Ix=zeros(height,width);  
22. Iy=zeros(height,width);  
23. Ix=filter2(dx,image);  
24. Iy=filter2(dy,image);  
25. %Ix = conv2(image, dx, 'same');   
26. %Iy = conv2(image, dy, 'same');  
27. % for i=3:height-2  
28. %     for j=1:width  
29. %      Ix(i,j)=-2*image(i-2,j)-image(i-1,j)+image(i+1,j)+image(i+2,j);     
30. %     end  
31. % end  
32. % for i=1:height  
33. %     for j=3:width-2  
34. %      Iy(i,j)=-2*image(i,j-2)-image(i,j-1)+image(i,j+1)+image(i,j+2);     
35. %     end  
36. % end  
37. figure;  
38. imshow(uint8(Ix));  
39. figure;  
40. imshow(uint8(Iy));  
41.   
42. Ix2=Ix.^2;  
43. Iy2=Iy.^2;  
44. Ixy=Ix.*Iy;  
45. %高斯滤波  
46. gauss=fspecial('gaussian',[5 5],2);  
47. Ix2=filter2(gauss,Ix2);  
48. Iy2=filter2(gauss,Iy2);  
49. Ixy=filter2(gauss,Ixy);  
50. %求角点量  
51.  R=(Ix2.*Iy2-Ixy.^2)./(Ix2+Iy2);%另一种角点量的计算方法 R=(Ix2.*Iy2 - Ixy.^2)-k*(Ix2+Iy2).^2;k=0.04  
52.  R(isnan(R))=0;%将无穷大的点赋值为0  
53. %设置阈值  
54. Rmax=0;  
55. for i=1:height  
56.     for j=1:width  
57.      if R(i,j)>Rmax  
58.          Rmax=R(i,j);  
59.      end  
60.     end  
61. end  
62. thresh=th*Rmax;  
63. %求R局部最大值,并作为角点,在3x3窗口内计算  
64. result=zeros(height,width);  
65. for i=2:height-1  
66.     for j=2:width-1  
67.      if R(i,j)>thresh&&R(i,j)>R(i-1,j-1)&&R(i,j)>R(i-1,j)&&R(i,j)>R(i-1,j+1)&&R(i,j)>R(i,j-1)&&R(i,j)>R(i,j+1)&&R(i,j)>R(i+1,j-1)&&R(i,j)>R(i+1,j)&&R(i,j)>R(i+1,j+1)  
68.          result(i,j)=1;  
69.      end  
70.     end  
71. end  
72. %在图片上画出角点  
73. [h,w]=find(result==1);  
74. figure  
75. imshow(uint8(image));  
76. hold on;  
77. plot(w,h,'r*');
    

注意：本文用于收藏阅读，原文链接请见https://i-blog.csdnimg.cn/blog_migrate/12ef39e3f3b97532212c6f9244591701.png