Opencv（七）：Harris角点检测

一、原理概述

      灰度变化平缓区域，灰度积分值保持近似不变；灰度沿边缘方向积分值保持不变，其他方向灰度积分值变化剧烈；角点除，任意方向剧烈变化。如下图所示：

二、数学推导

简言之，灰度积分值可以转化为一个二次型，通过矩阵运算可知，二次型可转化为如下数学公式：

进而，可转化为椭圆公式，如下所示：

原二次型就是一个斜置的椭圆，A与B分别影响了椭圆的长边和短边，根据几何性质，可以得知，椭圆的长短轴即可反映出椭圆面积，椭圆面积可反映灰度积分值，最终得到如下结论：

由于无法确定长短轴具体多少数值是大，多少数值是小，则使用一个角点相应函数，通过数学转化为与0的比较，如下所示：

当R约等于0，说明长轴与短轴都很小，灰度积分值很小，灰度变化平缓；

当R小于0，说明长轴短轴有一个很大，一个很小，灰度沿一个方向变化平缓，其他方向变化剧烈，为边缘区域；

当R大于0，说明长短轴数值都很大，灰度沿任意方向变化剧烈，为角点。

三、相关opencv函数

四、代码实例

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

baboon = cv.imread("E:/A_linpan/cv_code_tom/hello_world/data/baboon.jpg")
gray = cv.cvtColor(baboon, cv.COLOR_BGR2GRAY)
# harris 角点检测函数只能输入float32的数据，所以需要用np进行转化
gray = np.float32(gray)
dst = cv.cornerHarris(gray, 2, 3, 0.04)

cv.imshow('harris', dst)
cv.imshow('lena', baboon)
plt.show()
cv.waitKey()
cv.destroyAllWindows()

如下图所示，猩猩头像的焦点检测不是很明显

添加如下一行代码后，显示图像如下：红色的小点点就是检测出来的角点，0.02相当于一个阈值，大于这个阈值的点被认为是角点，后面的(0,0,255)是RGB三个通道颜色的设置，可以绘制不同的颜色点出来。

baboon[dst > 0.02 * dst.max()] = (0, 0, 255)

上面的例子显示效果不好，因为harris角点检测本身就有缺陷，我们换一个图片，代码不变，效果如下：

总结：

Harris角点检测算法对规则角点检测效果好，对不规则角点检测效果不好。

参考链接：

1. https://www.cnblogs.com/jsxyhelu/p/7439655.html